苹果：现在上车还来得及吗？
北京时间 12 月 6 日，苹果机器学习研究中心 (Apple machine learning research) 在 GitHub 上开源 MLX。
苹果机器学习研究中心研究科学家 Awni Hannun 在个人 Twitter 宣布这一消息
苹果芯片「专属定制版」机器学习框架
**MLX 是一个专为苹果芯片设计的机器学习框架，**旨在保证用户友好的前提下，支持高效地在苹果芯片上训练及部署模型。
MLX 设计理念简单，参考了 NumPy、PyTorch、Jax 和 ArrayFire 等框架，其关键功能包括：
*** 熟悉的 API：**MLX 的 Python API 跟 NumPy 非常类似，同时 MLX 还有一个功能齐全的 C++ API，此外 MLX 还有类似 `mlx.nn` 和 `mlx.optimizer` 这些更高阶的包，跟 PyTorch API 很像，可以简化复杂模型的构建。
*** 可组合的函数转换：**MLX 具有可组合的函数转换，可用于自动微分、自动向量化和计算图优化。
*** 延迟计算 (Lazy computation)：**MLX 中的计算是延迟执行的，Array 只在需要的时候才会创建。
*** 动态图构建：**MLX 中的计算图是动态构建的，更改函数参数的 shapes 不会降低编译速度，调试也更简单直观。
*** 多设备支持：**Operations 可以在任意支持的设备上运行（目前支持 CPU 和 GPU）。
*** 统一内存：**统一内存模型 (unified memory model) 是 MLX 和其他框架的显著区别。MLX 中的 Array 保存在共享内存中，无需移动数据就可以在任意支持的设备上执行操作。
根据官方 GitHub Repo 介绍，MLX 已更新多个热门教程，包含：
* Transformer 语言模型训练
* 用 LLaMA 生成大规模文本，并用 LoRA 进行 finetuning
* 用 Stable Diffusion 生成图像
* 用 OpenAI Whisper 进行语音识别
_详情可访问：
_
从头造轮子 or 重复造轮子？
针对苹果此次发布的 MLX，呈现了两种截然不同的声音。
✅ 正方代表：
MLX 作为一个针对苹果芯片优化的 PyTorch-style 神经网络架构，可能是苹果在 AI 开源领域，迄今为止最重要的举措。
2018 年图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 也直呼干得漂亮
盼着能给英伟达点儿压力，降价提效、推出更好的消费级 GPU
苹果对 AI 开源的承诺值得赞扬，MLX 称得上是在苹果芯片上进行深度学习的一场变革。
Cool！啥时候才能有可以在本地运行的类似 GPT-4 这样的高质量模型啊！MLX 带来了巨大的想象力。
❌ 反方代表：
他们本可以跟 @PyTorchTeam 合作，发布针对苹果芯片优化的 PyTorch 后端！！现在开发者不得不打两份工了，既要支持这个，又要构建一个 wrapper 同时支持 PyTorch 和 MLX！
这东西怎么用于部署啊？除非它能跟英伟达、AMD 等支持的框架兼容，不然 MLX 对机器学习生态就是一种伤害（没有 MacBook 就不能进行机器学习）
苹果，又㕛叒叕重复造轮子
一图胜千言
GitHub Issue：晚点吵先把 Bug 修了
Talk is cheap. Show me the code.
在尝试从 MacBook 终端安装运行 MLX 的过程中，**我们发现官方提供的安装代码出现报错，**MLX GitHub Repo 中也有多位工程师遇到类似问题。
截止发稿，已有 10 位工程师****在该 Issue 下反馈了安装报错问题
**无论 MLX 能否一举成为开发者在苹果设备上进行模型训练及部署的实用框架，**咱就是说能不能先把 Bug 修了啊？！
在线等，挺急的。