苹果的人工智能团队发布了MLX——专为苹果芯片设计的新机器学习框架。
MLX 是一个类似于 NumPy 的数组框架，专为在苹果芯片上实现高效、灵活的机器学习而设计，由苹果机器学习研究部门为您带来。
除少数例外情况外，其 Python API 与 NumPy 非常相似。MLX 还有一个功能齐全的 C++ API，与 Python API 非常相似。
MLX 与 NumPy 的主要区别在于：
-
可组合函数变换：MLX 具有可组合的函数转换，用于自动微分、自动矢量化和计算图优化。
-
懒计算：MLX 中的计算是懒惰的。只有在需要时才将数组实体化。
-
多设备：操作可在任何支持的设备（CPU、GPU......）上运行
MLX 的设计灵感来自 PyTorch、Jax 和 ArrayFire 等框架。 这些框架与 MLX 的一个显著区别是采用了统一的内存模型。 Apple Silicon芯片的硬件内存结构就使用的是统一内存，即显存和内存是同一块硬件， 这样就避免了硬件之间的数据交换。比如使用CUDA进行计算，数据流是这样的，首先收据加载到CPU的内存中， 而后，数据从CPU内存中移动到显卡设备的显存中，计算完成之后，数据重新从显卡的显存中移动会CPU的内存中， 完成整个计算过程。这个由于显卡只处理计算，作为一个设备只能被动调度。 MLX 中的数组位于共享内存中。 对 MLX 阵列的操作可以在任何支持的设备类型上执行，而无需执行数据拷贝。 目前支持的设备类型有 CPU 和 GPU。
参考链接：
