Jangan tanya saya apa artinya semua ini, tapi ini mungkin menarik bagi sebagian dari Anda pengguna Mac asli. Apple telah merilis MLX, “kerangka kerja array untuk pembelajaran mesin pada silikon Apple, yang dipersembahkan oleh penelitian pembelajaran mesin Apple.”
Cerita ini didukung oleh Mosyle , satu-satunya Platform Terpadu Apple. Mosyle adalah satu-satunya solusi yang sepenuhnya mengintegrasikan lima aplikasi berbeda pada satu platform khusus Apple, memungkinkan bisnis dan sekolah menerapkan, mengelola, dan melindungi semua perangkat Apple mereka dengan mudah dan otomatis. Lebih dari 38.000 organisasi memanfaatkan solusi Mosyle untuk mengotomatiskan penerapan, pengelolaan, dan keamanan jutaan perangkat Apple setiap hari. Minta akun GRATIS hari ini dan temukan bagaimana Anda dapat menjadikan armada Apple Anda secara auto-pilot dengan harga yang sulit dipercaya.
Berikut deskripsi dari dokumentasi:
MLX dirancang oleh peneliti pembelajaran mesin untuk peneliti pembelajaran mesin. Kerangka kerja ini dimaksudkan agar mudah digunakan, namun tetap efisien untuk melatih dan menerapkan model. Desain kerangkanya sendiri juga secara konseptual sederhana. Kami bermaksud memudahkan para peneliti untuk memperluas dan meningkatkan MLX dengan tujuan mengeksplorasi ide-ide baru dengan cepat.
Mereka juga menyoroti beberapa fitur utama MLX:
API yang Dikenal : MLX memiliki API Python yang mirip dengan NumPy. MLX juga memiliki C++ API berfitur lengkap, yang mirip dengan Python API. MLX memiliki paket tingkat yang lebih tinggi seperti mlx.nn dan mlx.optimizers dengan API yang mengikuti PyTorch untuk menyederhanakan pembuatan model yang lebih kompleks. Transformasi fungsi yang dapat dikomposisi : MLX memiliki transformasi fungsi yang dapat dikomposisi untuk diferensiasi otomatis, vektorisasi otomatis, dan pengoptimalan grafik komputasi. Perhitungan yang lambat : Perhitungan di MLX lambat. Array hanya terwujud bila diperlukan. Konstruksi grafik dinamis : Grafik komputasi di MLX dibuat secara dinamis. Mengubah bentuk argumen fungsi tidak memicu kompilasi yang lambat, dan proses debugnya sederhana dan intuitif. Multi-perangkat : Operasi dapat berjalan di perangkat mana pun yang didukung (saat ini, CPU dan GPU). Memori terpadu : Penting Perbedaan dari MLX dan framework lainnya adalah model memori terpadu. Array di MLX tinggal di memori bersama. Pengoperasian pada array MLX dapat dilakukan pada jenis perangkat apa pun yang didukung tanpa memindahkan data. Sekarang, rangkaian pesan dari seseorang yang benar-benar paham apa yang mereka bicarakan:
Tepat pada saat liburan, kami merilis beberapa perangkat lunak baru hari ini dari penelitian pembelajaran mesin Apple.MLX adalah kerangka kerja pembelajaran mesin efisien yang dirancang khusus untuk silikon Apple (yaitu laptop Anda!) Kode: https://t.co/Kbis7IrP80Docs: https://t.co/CUQb80HGut
— Awni Hannun ( @awnihannun) 5 Desember 2023 Selamat menikmati!
Itulah konten tentang Apple meluncurkan kerangka pembelajaran mesin MLX baru untuk Apple Silicon Mac, semoga bermanfaat.