ml-explore/mlx

解决的问题

MLX 是一个专为 Apple silicon 上的机器学习优化的高性能数组框架，使研究人员能够在无需手动在 CPU 和 GPU 之间传输数据的情况下，高效地训练和部署模型。

工作原理

MLX 使用统一内存模型，数组存储在共享内存中，这意味着可以在任何支持的设备（CPU 或 GPU）上执行操作而无需移动数据。它采用惰性计算，数组仅在需要时才被实际生成，并通过动态图构建避免输入形状变化时的缓慢编译。该框架支持可组合的函数变换，用于自动微分、向量化和图优化。

适用人群

专为需要用户友好且高效的框架来探索新想法和构建复杂模型的机器学习研究人员设计。

主要亮点

• 熟悉的 API：Python API 遵循 NumPy，而 mlx.nn 和 mlx.optimizers 遵循 PyTorch。
• 多语言支持：C++、C 和 Swift 中也提供完整 API。
• 统一内存：在 Apple silicon 上消除了 CPU 与 GPU 之间的数据传输。
• 灵活的计算：结合惰性求值与动态图构建，便于调试且开发体验直观。