Apple presenta il framework di apprendimento automatico open-source MLX

Apple presenta MLX, il framework open-source di apprendimento automatico

In un significativo passo verso la promozione della collaborazione e dell’innovazione nel campo dell’apprendimento automatico, Apple ha presentato MLX, un array open source framework appositamente progettato per l’apprendimento automatico su Apple Silicon. Sviluppato dal prestigioso team di ricerca sull’apprendimento automatico di Apple, MLX promette un’esperienza raffinata per i ricercatori, migliorando l’efficienza dell’addestramento e del deploy dei modelli.

API Familiari e Costruzione dei Modelli Potenziata

MLX introduce un’API in Python allineata strettamente con NumPy, garantendo una familiarità per gli sviluppatori. Allo stesso tempo, la sua API completamente funzionale in C++ riflette la versione in Python, fornendo un ambiente di sviluppo versatile. Pacchetti di livello superiore come mlx.nn e mlx.optimizers semplificano la costruzione dei modelli aderendo alle convenzioni di PyTorch. Questo allineamento con framework consolidati facilita una transizione fluida per gli sviluppatori.

Funzionalità Potenziate

Una delle caratteristiche distintive di MLX è l’introduzione delle trasformazioni delle funzioni componibili. Questo approccio innovativo consente la differenziazione automatica, la vettorizzazione e l’ottimizzazione del grafo di calcolo. Incorporando queste funzionalità, MLX permette agli sviluppatori di migliorare efficientemente le capacità dei propri modelli.

• 6 Visualizzazioni avanzate in Tableau
• Una guida su 12 strategie di ottimizzazione per le applicazioni RAG pronte per la produzione
• Ricercatori di Max Planck presentano PoseGPT un framework di intelligenza artificiale che utilizza grandi modelli di linguaggio (LLM) per comprendere e ragionare sulle pose umane tridimensionali da immagini o descrizioni testuali.

Efficienza tramite Calcoli Lazy

L’efficienza è al centro del design di MLX, con calcoli progettati per essere “lazy”. In termini pratici, gli array vengono materializzati solo quando necessario, ottimizzando l’efficienza computazionale. Questo approccio non solo consente il risparmio di risorse, ma contribuisce anche alla velocità complessiva dei processi di apprendimento automatico.

Costruzione di Grafi Dinamici e Supporto Multi-Dispositivo

MLX adotta la costruzione di grafi dinamici, eliminando compilazioni lente dovute a modifiche nelle forme degli argomenti delle funzioni. Questo approccio dinamico semplifica il processo di debug, migliorando l’esperienza di sviluppo complessiva. Inoltre, MLX supporta operazioni fluide su diversi dispositivi, inclusi CPU e GPU. Questa flessibilità offre agli sviluppatori la libertà di scegliere il dispositivo più adatto alle loro specifiche esigenze.

Modello Memoria Unificato

Distinguendosi dai framework tradizionali, MLX introduce un modello di memoria unificato. Gli array all’interno di MLX risiedono nella memoria condivisa, consentendo operazioni su diversi tipi di dispositivo senza la necessità di spostamento dei dati. Questo approccio unificato migliora l’efficienza complessiva, permettendo operazioni più fluide e efficienti.

Leggi anche: Come gli ex dipendenti di Apple stanno portando l’IA generativa sui desktop

La Nostra Opinione

In conclusione, l’open source di Apple rappresenta un contributo significativo per la comunità dell’apprendimento automatico. Unendo le migliori caratteristiche di framework consolidati come NumPy, PyTorch, Jax e ArrayFire, MLX offre una piattaforma solida e versatile per gli sviluppatori. Le capacità del framework, come dimostrato dagli esempi di addestramento di modelli di linguaggio transformer, generazione di testi su larga scala, generazione di immagini con Stable Diffusion e riconoscimento vocale utilizzando Whisper di OpenAI, sottolineano il suo potenziale per applicazioni diverse.

La disponibilità di MLX su PyPi e il processo di installazione diretta tramite “pip install mlx” sottolineano ulteriormente l’impegno di Apple nel promuovere l’accessibilità e la collaborazione nel campo dell’apprendimento automatico. Mentre gli sviluppatori esplorano questo potenziale, il panorama dell’apprendimento automatico su Apple silicon è pronto per entusiasmanti progressi.