MLX

MLX是苹果针对硅芯片机器学习研究推出的阵列框架，具备以下核心特性：

• 简洁的API设计： MLX提供与NumPy风格相似的Python API，同时拥有C++、C和Swift API，这些API与Python API高度一致。此外，MLX的高级包如mlx.nn和mlx.optimizers，其API设计紧跟PyTorch，便于构建复杂模型。
• 函数转换能力： MLX支持可组合的函数转换，适用于自动微分、自动矢量化以及计算图优化。
• 惰性计算机制： MLX采用惰性计算，数组仅在必要时才具体化。
• 动态构建计算图： MLX的计算图是动态构建的，调整函数参数形状不会引起编译延迟，便于调试。
• 跨设备支持： MLX操作支持在CPU和GPU等多种设备上运行。
• 统一内存模型： MLX的独特之处在于其统一内存模型，数组存储在共享内存中，操作无需在不同设备间传输数据。

MLX专为机器学习研究人员打造，兼顾易用性与高效性，旨在简化模型训练与部署。其设计简洁，便于研究人员扩展和优化，快速实现新想法的探索。MLX的灵感来源于NumPy、PyTorch、Jax和ArrayFire等框架。