Repolode
Предложить
ml-explore

ml-explore/mlx

Фреймворк для машинного обучения на Apple silicon с API Python в стиле NumPy и привязками для C++, C и Swift.

Open source альтернатива:NumPyPyTorch

Открыть на GitHubСайт
Звёзды
28,887
Форки
2,366
Открытые issues
137
Последний коммит
7 часов назад

Что это?

MLX — фреймворк для работы с массивами и машинного обучения на Apple silicon, созданный исследовательской командой Apple по машинному обучению. Его API Python во многом повторяет NumPy, а высокоуровневые пакеты, например mlx.nn и mlx.optimizers, используют API в стиле PyTorch для построения моделей. Также доступны API для C++, C и Swift.

MLX использует ленивые вычисления: массивы материализуются только тогда, когда это необходимо. Графы вычислений строятся динамически, поэтому изменение формы аргументов не приводит к медленной повторной компиляции. Фреймворк поддерживает компонуемые преобразования функций для автоматического дифференцирования, векторизации и оптимизации графов.

Одна из ключевых особенностей — единая память: массивы находятся в общей памяти, а операции можно выполнять на CPU или GPU без копирования данных между устройствами. В проекте также есть примеры генерации текста с LLaMA, дообучения с LoRA, Stable Diffusion и распознавания речи с Whisper.

Ключевые возможности

  • 01API Python, близкий к NumPy, и модули nn и optimizers, основанные на API PyTorch
  • 02API для C++, C и Swift наряду с Python
  • 03Ленивые вычисления и динамическое построение графов
  • 04Компонуемые преобразования для автоматического дифференцирования и векторизации
  • 05Единая модель памяти, позволяющая выполнять операции на CPU или GPU без передачи данных

Сценарии использования

  • Исследование и прототипирование новых моделей на Mac с Apple silicon
  • Генерация текста с помощью LLM или дообучение с LoRA на устройствах Apple
  • Локальный запуск Stable Diffusion или распознавания речи Whisper в macOS
  • Создание численного кода или кода для ML на C++ или Swift с интерфейсом в стиле NumPy

Быстрый старт

  1. 1

    Установить MLX в macOS с помощью pip

    pip install mlx
  2. 2

    Прочитать краткое руководство по началу работы в документации

Что важно знать

  • Предназначено для Apple silicon; основной способ установки в README рассчитан на macOS.
  • Также упоминаются пакеты для Linux с CUDA и пакеты только для CPU, поэтому поддержка платформ зависит от бэкенда.

В подборках

Open source приложения для Mac

Темы

#machine-learning#apple-silicon#numpy#deep-learning#array-framework#metal#python#mlx

Частые вопросы

Что такое mlx?
Фреймворк для машинного обучения на Apple silicon с API Python в стиле NumPy и привязками для C++, C и Swift. MLX — фреймворк для работы с массивами и машинного обучения на Apple silicon, созданный исследовательской командой Apple по машинному обучению. Его API Python во многом повторяет NumPy, а высокоуровневые пакеты, например mlx.nn и mlx.optimizers, используют API в стиле PyTorch для построения моделей. Также доступны API для C++, C и Swift.
mlx можно использовать бесплатно? Какая у него лицензия?
mlx распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
mlx всё ещё поддерживается?
Активно поддерживается. Последний коммит в mlx — 22 окт. 2026 г..
Для чего можно использовать mlx?
Исследование и прототипирование новых моделей на Mac с Apple silicon Генерация текста с помощью LLM или дообучение с LoRA на устройствах Apple Локальный запуск Stable Diffusion или распознавания речи Whisper в macOS Создание численного кода или кода для ML на C++ или Swift с интерфейсом в стиле NumPy
Как установить mlx?
Установить MLX в macOS с помощью pip: pip install mlx Прочитать краткое руководство по началу работы в документации
Где скачать mlx?
Исходный код и инструкции по установке — на GitHub: https://github.com/ml-explore/mlx

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты