API Swift para o MLX, framework de arrays para machine learning em Apple silicon, que permite a desenvolvedores Swift executar pesquisas e experimentos de ML.
2,1 mil375C++MITAtualizado há 15 horas
- Estrelas
- 28,887
- Forks
- 2,366
- Issues abertas
- 137
- Último commit
- há 9 horas
O que é?
MLX é um framework de arrays para machine learning no Apple silicon, desenvolvido pela equipe de pesquisa em machine learning da Apple. Sua API Python segue de perto o NumPy, e pacotes de nível mais alto, como mlx.nn e mlx.optimizers, seguem APIs no estilo do PyTorch para criar modelos. Também há APIs para C++, C e Swift.
O MLX usa computação lazy, então os arrays só são materializados quando necessário. Além disso, cria grafos de computação dinamicamente, de modo que alterar as formas dos argumentos não aciona uma recompilação lenta. O framework oferece transformações composáveis de funções para diferenciação automática, vetorização e otimização de grafos.
Um aspecto central do design é a memória unificada: os arrays ficam na memória compartilhada, e as operações podem ser executadas na CPU ou na GPU sem copiar dados entre dispositivos. O projeto também oferece exemplos de geração de texto com LLaMA, finetuning com LoRA, Stable Diffusion e reconhecimento de fala com Whisper.
Recursos principais
- 01API Python que segue de perto o NumPy, com módulos nn e optimizers inspirados no PyTorch
- 02APIs para C++, C e Swift, além da API Python
- 03Computação lazy e grafos construídos dinamicamente
- 04Transformações composáveis para diferenciação automática e vetorização
- 05Modelo de memória unificada que permite executar operações na CPU ou na GPU sem transferir dados
Casos de uso
- Pesquisar e prototipar novos modelos em um Mac com Apple silicon
- Executar geração de texto com LLMs ou finetuning com LoRA em hardware Apple
- Executar Stable Diffusion ou reconhecimento de fala com Whisper localmente no macOS
- Desenvolver código numérico ou de ML em C++ ou Swift com uma interface semelhante à do NumPy
Início rápido
- 1
Instalar MLX no macOS com pip
pip install mlx - 2
Ler o guia de início rápido na documentação
Antes de usar
- É voltado para Apple silicon; o principal caminho de instalação do README é para macOS.
- Também são mencionados pacotes para Linux com CUDA e pacotes somente para CPU, então o suporte às plataformas varia conforme o backend.
Em coleções
Tópicos
Perguntas frequentes
- O que é mlx?
- Framework de arrays para machine learning no Apple silicon, com API Python semelhante à do NumPy e bindings para C++, C e Swift. MLX é um framework de arrays para machine learning no Apple silicon, desenvolvido pela equipe de pesquisa em machine learning da Apple. Sua API Python segue de perto o NumPy, e pacotes de nível mais alto, como mlx.nn e mlx.optimizers, seguem APIs no estilo do PyTorch para criar modelos. Também há APIs para C++, C e Swift.
- mlx é gratuito? Qual é a licença?
- mlx é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- mlx ainda é mantido?
- Manutenção ativa. O último commit de mlx foi em 22 de out. de 2026.
- Para que posso usar mlx?
- Pesquisar e prototipar novos modelos em um Mac com Apple silicon Executar geração de texto com LLMs ou finetuning com LoRA em hardware Apple Executar Stable Diffusion ou reconhecimento de fala com Whisper localmente no macOS Desenvolver código numérico ou de ML em C++ ou Swift com uma interface semelhante à do NumPy
- Como instalar mlx?
- Instalar MLX no macOS com pip: pip install mlx Ler o guia de início rápido na documentação
- Onde consigo mlx?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ml-explore/mlx
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Framework de deep learning para Python que oferece computação de tensores acelerada por GPU e redes neurais dinâmicas com base em autograd.
105 mil32,5 milPythonOtherAtualizado há 2 horas
Biblioteca Python que converte código de machine learning entre frameworks como PyTorch, TensorFlow, JAX e NumPy usando ivy.transpile.
14,2 mil5,4 milPythonOtherAtualizado há 18 horas
Framework aberto de compilação de machine learning que permite personalizar pipelines de compilação em Python e implantar modelos em diversos alvos de hardware.
13,9 mil4 milPythonApache-2.0Atualizado ontem
Curso de ML na prática: framework de deep learning feito do zero com NumPy (módulos de CLI) e mais de 350 questões de programação no navegador, corrigidas pelo Pyodide.
64468PythonOtherAtualizado há 2 horas
Framework minimalista de deep learning com API de tensores no estilo PyTorch, autograd, compilador e suporte a vários backends de aceleradores.
33,8 mil4,4 milPythonMITAtualizado há 7 horas