Das Rad Von Grund Auf Neu Erfinden Oder Das Rad Neu Erfinden? Apple Stellt MLX Als Open Source Bereit, Ein Benutzerdefiniertes Framework Für Maschinelles Lernen Für Seine Eigenen Chips

6. Dezember, Pekinger Zeit,Apple Machine Learning Research Center (Apple Machine Learning Research) Open Source MLX auf GitHub.

Ein speziell auf Apple-Chips zugeschnittenes Framework für maschinelles Lernen

MLX ist ein Framework für maschinelles Lernen, das speziell für Apple-Chips entwickelt wurde.Ziel ist es, ein effizientes Training und die Bereitstellung von Modellen auf Apple-Chips zu unterstützen und gleichzeitig die Benutzerfreundlichkeit zu gewährleisten.

MLX basiert auf einem einfachen Konzept und basiert auf Frameworks wie NumPy, PyTorch, Jax und ArrayFire. Zu den wichtigsten Funktionen gehören:

* Vertraute API:MLX Python API NumPy  Sehr ähnlich, und MLX verfügt auch über eine voll funktionsfähige C++-API. Darüber hinaus verfügt auch MLX über ähnliche Funktionen `mlx.nn`  Und `mlx.optimizer`  Diese Pakete höherer Ebene vereinfachen, ähnlich wie die PyTorch-API, den Aufbau komplexer Modelle.

* Zusammensetzbare Funktionskonvertierung:MLX bietet zusammensetzbare Funktionstransformationen für automatische Differenzierung, automatische Vektorisierung und rechnerische Graphenoptimierung.

* Faule Berechnung:Berechnungen in MLX werden verzögert ausgeführt und Arrays werden nur erstellt, wenn sie benötigt werden.

* Dynamische Graphkonstruktion:Der Berechnungsgraph in MLX wird dynamisch erstellt, das Ändern der Formen von Funktionsparametern verlangsamt die Kompilierung nicht und das Debuggen ist einfacher und intuitiver.

* Unterstützung mehrerer Geräte:Vorgänge können auf jedem unterstützten Gerät ausgeführt werden (derzeit werden CPU und GPU unterstützt).

* Einheitlicher Speicher:Das einheitliche Speichermodell ist ein wesentlicher Unterschied zwischen MLX und anderen Frameworks. Arrays in MLX werden gespeichert inGemeinsam genutzter SpeicherSie können Vorgänge auf jedem unterstützten Gerät ausführen, ohne Daten zu verschieben.

Nach offiziellen Angaben GitHub Repo  Einführung: MLX hat mehrere beliebte Tutorials aktualisiert, darunter:

* Transformer-Sprachmodelltraining

* Generieren Sie großformatigen Text mit LLaMA und LoRA  Feinabstimmung durchführen

* Generieren Sie Bilder mit stabiler Diffusion

* Spracherkennung mit OpenAI Whisper

Weitere Informationen finden Sie unter:

https://github.com/ml-explore/mlx/tree/main/examples

Das Rad von Grund auf neu erfinden oder das Rad neu erfinden?

Zum von Apple veröffentlichten MLX gibt es zwei völlig unterschiedliche Meinungen.

✅ Vertreter der affirmativen Seite:

MLX, eine für Apple-Chips optimierte neuronale Netzwerkarchitektur im PyTorch-Stil, ist möglicherweise Apples bislang wichtigster Schritt im Bereich Open Source für KI.

Auch Yann LeCun, Turing-Award-Gewinner 2018 und leitender KI-Wissenschaftler von Meta, lobte die Arbeit.

Wir hoffen, Druck auf Nvidia auszuüben, die Preise zu senken, die Effizienz zu verbessern und bessere GPUs für Verbraucher auf den Markt zu bringen.

Apples Engagement für Open-Source-KI ist lobenswert und MLX ist eine Revolution im Deep Learning auf Apple-Chips.

Cool! Wann werden wir ein hochwertiges Modell wie GPT-4 haben, das lokal ausgeführt werden kann? Der MLX bringt viel Fantasie mit.

❌  Vertreter der Gegenseite:

Sie hätten mit @PyTorchTeam zusammenarbeiten können, um ein für Apple Silicon optimiertes PyTorch-Backend zu veröffentlichen! !
Jetzt müssen Entwickler zwei Aufgaben erledigen: dies unterstützen und einen Wrapper erstellen, der sowohl PyTorch als auch MLX unterstützt!

Wie wird dieses Ding eingesetzt? Sofern MLX nicht mit den von NVIDIA, AMD usw. unterstützten Frameworks kompatibel ist, wird es dem Ökosystem des maschinellen Lernens schaden (kein MacBook, kein maschinelles Lernen).

Apple erfindet das Rad erneut neu

Ein Bild sagt mehr als tausend Worte 

GitHub-Problem: Ich werde es später besprechen, aber zuerst werde ich den Fehler beheben.

Reden ist billig. Zeigen Sie mir den Code.

Beim Versuch, MLX von einem MacBook-Terminal aus zu installieren und auszuführen,Wir haben festgestellt, dass der offizielle Installationscode einen Fehler gemeldet hat.Mehrere Ingenieure im MLX GitHub Repo sind ebenfalls auf ähnliche Probleme gestoßen.

Ob MLX ein praktisches Framework für Entwickler werden kann, um Modelle auf Apple-Geräten zu trainieren und einzusetzen,Wir möchten nur fragen, ob wir den Fehler zuerst beheben können. !

Warte online, ziemlich dringend.