MLX#

MLX 是一個類似 NumPy 的陣列框架，為 Apple 晶片上的高效且靈活的機器學習而設計，由 Apple 機器學習研究團隊提供。

Python API 幾乎完全遵循 NumPy，只有少數例外。MLX 也提供功能完整的 C++ API，同樣緊密遵循 Python API。

MLX 與 NumPy 之間的主要差異為：

可組合的函式轉換：MLX 提供可組合的函式轉換，用於自動微分、自動向量化，以及計算圖最佳化。

惰性計算：MLX 中的計算採惰性方式，陣列只在需要時才會實體化。

多裝置：運算可以在任何支援的裝置（CPU、GPU 等）上執行。

MLX 的設計靈感來自 PyTorch、Jax 與 ArrayFire 等框架。與這些框架相比，MLX 的一項重要差異是*統一記憶體模型*。MLX 的陣列位於共享記憶體中，對 MLX 陣列的運算可以在任何支援的裝置類型上執行，而無需進行資料複製。目前支援的裝置類型為 CPU 與 GPU。

安裝

使用方式

範例

Python API 參考

C++ API 參考