Вдохновленный такими тяжеловесами, как PyTorch и Jax, MLX поднимает его на ступень выше. Благодаря фреймворку, напоминающему массив NumPy, он обещает эффективное и гибкое машинное обучение непосредственно на процессорах Apple. В чем суть? MLX представляет унифицированную модель памяти, обеспечивая размещение массивов в общей памяти, что позволяет выполнять операции на любом поддерживаемом устройстве без необходимости копирования данных.
Но вот что важно: Apple не просто предлагает это разработчикам, а предоставляет им универсальную среду для машинного обучения. API MLX для Python повторяет NumPy, обеспечивая привычность, а надежный API для C++ дополняет набор инструментов. Цель Apple? Демократизация машинного обучения, превращение MLX в «подарок от исследователей к исследователям».
