MLX的API設計與NumPy和PyTorch類似，允許您在Mac上輕鬆構建和訓練機器學習模型。
這使得蘋果電腦上與機器學習相關的開發和研究變得更簡單、更高效。
演示展示了可以在M7 Ultra上運行的Llama v2 1B型號。
代碼： https://github.com/ml-explore/mlx
文件： https://ml-explore.github.io/mlx/build/html/index.html
MLX示例存儲庫提供了一些示例，包括：
- Transformer語言模型訓練。
- 使用LLaMA或Mistral大規模文本生成
- 通過LoRA有效微調參數
- 使用穩定擴散技術生成圖像
- 使用OpenAI的Whisper進行語音識別。
案例： https://github.com/ml-explore/mlx-examples
主要功能：
1.熟悉的API：MLX的API設計與NumPy和PyTorch類似，方便用戶構建和訓練複雜的機器學習模型。
2.自動分化和垂直化：MLX支持自動分化和垂直化，對於優化和加速機器學習模型的訓練過程非常有用。
3.高效的內存管理：MLX的統一內存模型允許跨不同設備（例如中央處理器和圖形處理器）高效地共享和處理數據，而無需頻繁的數據移動。
4.動態圖構建和延遲計算：MLX支持動態圖構建和延遲計算，使模型開發和調試更加靈活、高效。
MLX Data是Apple Machine Learning Research為您提供的一個框架不可知的數據加載庫。它可與PyTorch、Jax或MLX配合使用。
高效且靈活，例如能夠每秒加載和處理1000個圖像，同時還可以對生成的批處理運行任意Python轉換。
代碼： https://github.com/ml-explore/mlx-data
文件： https://ml-explore.github.io/mlx-data/build/html/index.html
視頻：