Apple в очередной раз сделала шаг вперед в области искусственного интеллекта (ИИ), выпустив фреймворк MLX. Этот новый инструмент, разработанный специально для Яблочный кремнийпозволяет исследователям упростить обучение и внедрение модели машинного обучения (ML) с использованием оборудования Apple.
Содержание
Эффективная платформа для Apple Silicon
Иль команда машинного обучения Apple усердно работал над разработкой эффективной и гибкой среды для развертывания моделей машинного обучения на устройствах. Яблочный кремний. Называется MLXэтот фреймворк был протестирован летом и теперь доступен на GitHub.
Второй Ауни Ханнун, член команды Apple по машинному обучениюMLX — это «эффективная среда машинного обучения, разработанная специально для Apple Silicon (то есть вашего ноутбука!)«. Цель MLX — упростить обучение и развертывание моделей машинного обучения для исследователей, использующих оборудование Apple. MLX — это фреймворк, похожий на массив. аналогичен NumPy, предназначен для эффективного и гибкого машинного обучения на процессорах Apple.
Знакомый опыт для разработчиков
MLX был разработан с учетом удобства разработчиков. Дизайн MLX вдохновлен существующими платформами, такими как PyTorch, Jax и ArrayFire. Однако в MLX добавлена поддержка унифицированной модели памяти, что означает, что массивы находятся в общей памяти, и операции можно выполнять на любом поддерживаемом типе устройства без необходимости копирования данных.
Команда объясняет:
«API Python очень похож на NumPy, за некоторыми исключениями. MLX также имеет полный API C++, который точно соответствует API Python».
MLX был разработан, чтобы быть удобным для пользователя, но эффективным для обучения и развертывания моделей. Цель состоит в том, чтобы облегчить исследователям возможность расширения и улучшения MLX, чтобы быстро исследовать новые идеи в машинном обучении.
Потенциал MLX
Apple предоставила коллекцию примеров того, на что способен MLX. Эти примеры, кажется, подтверждают, что компания разработал чрезвычайно эффективную языковую модельмощные инструменты создания изображений с использованием Стабильная диффузия и чрезвычайно точное распознавание речи. Это согласуется с заявлениями, сделанными ранее в этом году, и с некоторыми предположениями относительно создания бесконечного виртуального мира для будущих игр. Видение Про.
Примеры включают в себя:
- Обучите Transformer LM или усовершенствуйте его с помощью LoRA.
- Генерация текста с помощью Mistral.
- Генерация изображений с помощью стабильной диффузии.
- Распознавание речи с помощью Whisper.
Цель Apple: демократизировать машинное обучение
Apple, похоже, хочет демократизировать машинное обучение. Команда MLX объясняет, что платформа была разработана исследователями машинного обучения для исследователей машинного обучения. Другими словами, Apple признала необходимость создания открытые и простые в использовании среды разработки машинного обучения для содействия дальнейшей работе в этой области.
Важность того, что MLX основан на Apple Silicon, заключается в том, что процессоры Apple присутствуют во всех продуктах компании, в том числе Mac, iPhone и iPad. Использование графического процессора, центрального процессора и, возможно, в будущем Нейронный двигатель на этих чипах может привести к запуску моделей ML на устройствах с производительностью, недостижимой для других процессоров, по крайней мере, в том, что касается периферийных устройств.
