MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架该开源框架专为AppleSilicon芯片而设计优化从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感提供简单友好的使用方法帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。
MLX的主要功能
熟悉的API：MLX有一个紧随NumPy的PythonAPI。MLX还拥有功能齐全的C++API与PythonAPI非常相似。
可组合的函数转换：MLX支持用于自动微分、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。
动态图构建：MLX中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译并且调试简单直观。
多设备：可以在任何支持的设备（CPU和GPU）上运行。
统一内存：MLX和其他框架的主要区别在于统一内存模型阵列共享内存。MLX上的操作可以在任何支持的设备类型上运行无需移动数据。
