mlx

MLX 是由 Apple 机器学习研究团队开发的、面向 Apple 芯片的机器学习数组框架。它提供了紧密遵循 NumPy 的 Python API，以及镜像 Python 接口的完整 C++、C 和 Swift API。诸如 `mlx.nn` 和 `mlx.optimizers` 等高级包遵循 PyTorch 约定，用于构建复杂模型。 主要特性包括： - **熟悉的 API**：类似 NumPy 的 Python API，以及 C++、C 和 Swift 版本。 - **可组合的函数变换**：支持自动微分、向量化和计算图优化。 - **惰性计算**：数组仅在需要时才具体化。 - **动态图构建**：动态构建计算图，避免形状变化时重新编译缓慢。 - **多设备**：操作可在 CPU 和 GPU 上运行。 - **统一内存**：数组存储在共享内存中，无需数据传输即可跨设备操作。 MLX 专为机器学习研究人员设计，旨在训练和部署中实现用户友好和高效率。其设计灵感来源于 NumPy、PyTorch、Jax 和 ArrayFire。 安装可通过 macOS 上的 pip 进行（`pip install mlx`），Linux 上可选择 CUDA（`mlx[cuda]`）或仅 CPU（`mlx[cpu]`）。MLX 示例仓库包含 Transformer 语言模型训练、使用 LoRA 微调的 LLaMA 文本生成、Stable Diffusion 图像生成以及 Whisper 语音识别。 文档、快速入门指南和贡献指南均可在仓库中获取。该项目为开源项目，并感谢贡献者。