苹果悄然发布MLXAI框架构建基础AI模型
苹果机器学习研究团队悄然推出并发布了名为MLX的新机器学习框架，旨在优化AppleSilicon上机器学习模型的开发。新框架经过专门设计和设计，旨在增强开发人员在其设备上进行机器学习的方式，并受到PyTorch、Jax和ArrayFire等框架的启发。
这些框架与MLX的区别在于统一的内存模型。MLX中的数组位于共享内存中。可以在任何支持的设备类型上执行MLX阵列上的操作，而无需执行数据复制。目前支持的设备类型是CPU和GPU。
什么是苹果MLX?
MLX是一个类似NumPy的数组框架，专为Apple芯片上高效灵活的机器学习而设计，由Apple机器学习研究团队为您带来。PythonAPI紧密遵循NumPy，但有一些例外。MLX还拥有功能齐全的C++API，该API紧密遵循PythonAPI。MLX和NumPy之间的主要区别是：
可组合函数转换：MLX具有用于自动微分、自动向量化和计算图优化的可组合函数转换。
惰性计算：MLX中的计算是惰性计算。数组仅在需要时才会具体化。
多设备：操作可以在任何支持的设备上运行(CPU、GPU……)
MLX框架是一个重大进步，特别是对于那些使用AppleM系列芯片的人来说，这些芯片以其在AI任务中的强大性能而闻名。这个新框架不仅对苹果公司而且对更广泛的人工智能社区来说都是向前迈出的一步，因为它现在可以开源，标志着苹果公司典型的封闭软件开发实践的转变。MLX可在PyPI上使用。要将MLX与您自己的AppleSilicon计算机一起使用，您所需要做的就是：pipinstallmlx
苹果MLX人工智能框架
MLX框架旨在与M系列芯片协调工作，包括先进的M3芯片，该芯片拥有用于AI操作的专用神经引擎。硬件和软件之间的协同作用提高了机器学习任务的效率和速度，例如处理文本、生成图像和识别语音。该框架能够与PyTorch和JAX等流行的机器学习平台配合使用，这证明了其多功能性。MLX数据包使这成为可能，它简化了管理数据并将其集成到现有工作流程的过程。
开发人员可以通过PythonAPI访问MLX，它与NumPy一样用户友好，使其可供广泛的用户使用。对于那些寻求更快性能的人来说，还有一个C++API，它可以利用较低级编程带来的速度。该框架的创新功能，例如可组合函数转换和惰性计算，使代码不仅更高效，而且更易于维护。此外，MLX对多种设备的支持和统一的内存模型确保了资源在不同的Apple设备上得到优化。
苹果MLX
Apple致力于支持有兴趣使用MLX的开发者。他们提供了一个GitHub存储库，其中包含示例代码和综合文档。对于那些想要探索MLX功能并将其集成到机器学习项目中的人来说，这是宝贵的资源。
MLX框架的推出明确表明了Apple对推进机器学习技术的承诺。它与M系列芯片的兼容性、开源特性以及支持各种机器学习任务的能力使其成为开发人员的强大工具。MLX数据包与其他框架的兼容性，加上Python和C++API的可用性，使MLX成为机器学习社区的主流。
AppleMLX框架的附加功能，例如可组合函数转换、惰性计算、多设备支持和统一内存模型，进一步增强了其吸引力。随着开发人员开始利用GitHub上提供的资源，我们预计会看到充分利用AppleSilicon功能的创新机器学习应用程序。