Apple недавно выпустила MLX – или ML Explore – собственную платформу машинного обучения (ML) для компьютеров Apple Silicon. Последняя платформа компании специально разработана для упрощения процесса обучения и запуска моделей машинного обучения на компьютерах с чипами Apple серий M1, M2 и M3. Компания заявляет, что MLX предлагает унифицированную модель памяти. Apple также продемонстрировала использование платформы с открытым исходным кодом, что позволяет энтузиастам машинного обучения запускать ее на своем ноутбуке или компьютере.

В соответствии с подробности предоставлены Apple На платформе размещения кода GitHub платформа MLX имеет API C++, а также API Python, тесно связанный с NumPy, библиотека Python для научных вычислений. По словам Apple, пользователи также могут воспользоваться пакетами более высокого уровня, которые позволяют им создавать и запускать более сложные модели на своем компьютере.

MLX упрощает процесс обучения и запуска моделей ML на компьютере: ранее разработчики были вынуждены полагаться на переводчик для преобразования и оптимизации своих моделей (с помощью CoreML). Теперь его заменил MLX, который позволяет пользователям компьютеров Apple Silicon обучать и запускать свои модели непосредственно на своих устройствах.

Apple поделилась изображением большого красного знака с текстом MLX, созданным с помощью Stable Diffusion в MLX.
Фото предоставлено: GitHub/Apple

Apple заявляет, что дизайн MLX соответствует другим популярным фреймворкам, используемым сегодня, в том числе ТаблицаОгонь, ДжаксNumPy и PyTorch. Компания рекламировала унифицированную модель памяти своего фреймворка: массивы MLX живут в общей памяти, а операции над ними можно выполнять на любом типе устройства (в настоящее время Apple поддерживает CPU и GPU) без необходимости создания копий данных.

Компания также поделилась примерами MLX в действии, выполняя такие задачи, как генерация изображений с использованием стабильной диффузии на оборудовании Apple Silicon. Apple утверждает, что при создании пакета изображений MLX быстрее, чем PyTorch, для пакетов размером 6,8,12 и 16 — с пропускной способностью до 40% выше, чем у последнего.

ЧИТАТЬ   Полезное изобретение для автовладельцев: как американец изобрел ремень безопасности для сумок и пакетов

Тестирование проводилось на Mac с процессором M2 Ultra, самым быстрым процессором компании на сегодняшний день: MLX способен генерировать 16 изображений за 90 секунд, а PyTorch, по данным компании, для выполнения той же задачи потребуется около 120 секунд.

Другие примеры MLX в действии включают генерацию текста с использованием открытого исходного кода Meta. Языковая модель LLaMAтак хорошо, как Большая языковая модель Мистраля. Исследователи искусственного интеллекта и машинного обучения также могут использовать OpenAI. Инструмент Whisper с открытым исходным кодом запустить модели распознавания речи на своем компьютере с помощью MLX.

Выпуск платформы MLX от Apple может помочь упростить исследования и разработки в области машинного обучения на оборудовании компании, что, возможно, позволит разработчикам предоставлять более качественные инструменты, которые можно использовать для приложений и сервисов, предлагающих возможности машинного обучения на устройстве, эффективно работающем на компьютере пользователя.


Партнерские ссылки могут создаваться автоматически — подробности см. в нашем заявлении об этике.



Source

От admin