Skip to main content

Не спрашивайте меня, что все это означает, но некоторым из вас, настоящих пользователей Mac, это может быть интересно. Apple выпустила MLX, «инфраструктуру массивов для машинного обучения на процессорах Apple, созданную в результате исследований Apple в области машинного обучения».

Эту историю поддерживает Mosyle, единственная унифицированная платформа Apple. Mosyle — единственное решение, которое полностью интегрирует пять различных приложений на единой платформе Apple, позволяя предприятиям и школам легко и автоматически развертывать, управлять и защищать все свои устройства Apple. Более 38 000 организаций используют решения Mosyle для автоматизации развертывания, управления и обеспечения безопасности миллионов устройств Apple ежедневно. Запросите БЕСПЛАТНУЮ учетную запись сегодня и узнайте, как можно перевести свой парк Apple на автопилот по цене, в которую трудно поверить.

Вот описание из документации:

MLX разработан исследователями машинного обучения для исследователей машинного обучения. Платформа призвана быть удобной для пользователя, но при этом эффективной для обучения и развертывания моделей. Конструкция самой структуры также концептуально проста. Мы намерены облегчить исследователям расширение и улучшение MLX с целью быстрого изучения новых идей.

Они также выделяют некоторые ключевые особенности MLX:

Знакомые API: MLX имеет API Python, который очень похож на NumPy. MLX также имеет полнофункциональный API C++, который очень похож на API Python. MLX имеет пакеты более высокого уровня, такие как mlx.nn и mlx.optimizers, с API-интерфейсами, которые очень похожи на PyTorch, чтобы упростить создание более сложных моделей. Преобразования составных функций: MLX имеет преобразования составных функций для автоматического дифференцирования, автоматической векторизации и оптимизации графа вычислений. Ленивые вычисления. Вычисления в MLX являются ленивыми. Массивы материализуются только при необходимости. Построение динамического графа: графы вычислений в MLX строятся динамически. Изменение формы аргументов функции не приводит к медленной компиляции, а отладка проста и интуитивно понятна. Работа на нескольких устройствах: операции могут выполняться на любом из поддерживаемых устройств (в настоящее время — процессоре и графическом процессоре). Единая память. Заметным отличием от MLX и других платформ является унифицированная модель памяти. Массивы в MLX находятся в общей памяти. Операции с массивами MLX можно выполнять на любом из поддерживаемых типов устройств без перемещения данных.

Теперь сообщение от человека, который действительно знает, о чем говорит:

Наслаждаться!