美國 Apple 公司今天推出了為 Apple Silicon 晶片優化的 MLX 深度學習框架，MLX 是 Apple 晶片上用於機器學習的陣列框架，由 Apple 機器學習研究團隊為您提供，能夠簡化 Mac、iPad、iPhone 平台研究人員設計和部署模型的流程。
MLX 的一些主要功能包括：
-
熟悉的 API：MLX 有一個緊接在 NumPy 的 Python API。MLX 還擁有功能齊全的 C++ API，它與 Python API 非常相似。MLX 具有更高級的軟體包，例如 mlx.nn 和以及 mlx.optimizers 緊密遵循 PyTorch 的 API，以簡化建立更複雜的模型。
-
可組合函數轉換：MLX 具有用於自動微分、自動向量化和計算圖最佳化的可組合函數轉換。
-
惰性計算：MLX 中的計算是惰性計算。數組僅在需要時才會具體化。
-
動態圖建構：MLX 中的計算圖是動態建構的。更改函數參數的形狀不會觸發緩慢的編譯，並且調試簡單直觀。
-
多設備：操作可以在任何支援的設備上運行（目前為 CPU 和 GPU）。
-
統一記憶體：與 MLX 和其他框架的顯著差異是統一記憶體模型。MLX 中的陣列位於共享記憶體中。可以在任何支援的裝置類型上執行 MLX 陣列上的操作，而無需移動資料。
MLX 是由機器學習研究人員為機器學習研究人員設計的。該框架旨在用戶友好，但仍然可以有效地訓練和部署模型。框架本身的設計在概念上也很簡單。我們打算讓研究人員輕鬆擴展和改進 MLX，以實現快速探索新想法的目標。