Overview
产品概述
MLX 是一个类似 NumPy 的数组框架，专为在 Apple silicon 上进行高效灵活的机器学习而设计。它提供了与 NumPy 紧密对应的 Python API，并具备完整的 C++ API。MLX 的特点包括可组合的函数变换（如自动微分、向量化和计算图优化）、懒计算以及统一内存模型，支持在 CPU 和 GPU 上运行而无需数据拷贝。
Capabilities
核心能力
可组合函数变换
MLX 提供可组合的函数变换，包括自动微分、自动向量化和计算图优化，支持 grad、vmap、jvp、vjp 等变换，并可任意组合。
懒计算
MLX 的计算是懒执行的，数组只在需要时才被具体化，可通过 eval() 强制求值，打印或转换为 NumPy 时自动求值。
统一内存与多设备支持
MLX 采用统一内存模型，数组存储在共享内存中，操作可在 CPU 和 GPU 上运行而无需数据拷贝，当前支持 CPU 和 GPU 设备。
Use Cases
适用场景
-
01
机器学习研究与原型开发
借助类 NumPy 的 API 和可组合的函数变换，方便实现和测试如线性回归、多层感知器等模型。
-
02
大规模机器学习与推理
官方提供 LLM 推理、数据并行和张量并行示例，支持在 Apple silicon 上进行分布式训练和高效推理。
