Apple kısa süre önce şirketin Apple Silicon bilgisayarları için makine öğrenimi (ML) çerçevesini MLX – veya ML Explore – yayınladı. Şirketin en yeni çerçevesi, Apple’ın M1, M2 ve M3 serisi çipleriyle desteklenen bilgisayarlarda ML modellerini eğitme ve çalıştırma sürecini basitleştirmek için özel olarak tasarlandı. Şirket, MLX’in birleşik bir bellek modeline sahip olduğunu söylüyor. Apple ayrıca, makine öğrenimi meraklılarının çerçeveyi dizüstü bilgisayarlarında veya bilgisayarlarında çalıştırmasına olanak tanıyan açık kaynak çerçevenin kullanımını da gösterdi.
Buna göre Apple tarafından paylaşılan ayrıntılar Kod barındırma platformu GitHub’da, MLX çerçevesinin bir C++ API’sinin yanı sıra Python API’si de vardır. Dizi, bilimsel hesaplamaya yönelik Python kütüphanesi. Apple’a göre kullanıcılar, bilgisayarlarında daha karmaşık modeller oluşturup çalıştırmalarına olanak tanıyan daha üst düzey paketlerden de yararlanabiliyor.
MLX, ML modellerini bilgisayarda eğitme ve çalıştırma sürecini basitleştirir; geliştiriciler daha önce modellerini dönüştürmek ve optimize etmek için bir çevirmene güvenmek zorunda kalıyordu ( CoreML). Bunun yerini artık Apple Silicon bilgisayarlarını çalıştıran kullanıcıların modellerini doğrudan kendi cihazlarında eğitmelerine ve çalıştırmalarına olanak tanıyan MLX aldı.
Apple, MLX’te Stable Diffusion tarafından oluşturulan MLX metnini içeren büyük kırmızı bir işaretin bu görselini paylaştı
Fotoğraf Kredisi: GitHub/Apple
Apple, MLX’in tasarımının bugün kullanılan diğer popüler çerçevelere uygun olduğunu söylüyor. Dizi Ateşi, JaxNumPy ve PyTorch. Firma, çerçevesinin birleşik bellek modelini öne çıkardı: MLX dizileri paylaşılan bellekte yaşıyor ve bunlar üzerinde yapılan işlemler, veri kopyaları oluşturmaya gerek kalmadan herhangi bir cihaz türünde (şu anda Apple CPU ve GPU’yu destekliyor) gerçekleştirilebiliyor.
Şirket ayrıca MLX’in uygulamalı örneklerini de paylaştı ve aşağıdaki görevleri gerçekleştirdi: Kararlı Difüzyon kullanarak görüntü oluşturma Apple Silicon donanımında. Bir dizi görüntü oluştururken Apple, MLX’in 6,8,12 ve 16’lık toplu iş boyutları için PyTorch’tan daha hızlı olduğunu ve ikincisinden yüzde 40’a kadar daha yüksek verim sağladığını söylüyor.
Testler, şirketin bugüne kadarki en hızlı işlemcisi olan M2 Ultra yongasıyla desteklenen bir Mac üzerinde gerçekleştirildi; şirkete göre MLX 90 saniyede 16 görüntü oluşturma kapasitesine sahipken, PyTorch’un aynı görevi gerçekleştirmesi yaklaşık 120 saniye sürecek.
Video, MLX’te uygulanan ve M2 Ultra’da çalışan bir Llama v1 7B modelidir.
Daha fazla burada: https://t.co/gXIjEZiJws
* Bir Transformer LM’yi eğitin veya LoRA ile ince ayar yapın
* Mistral ile metin oluşturma
* Kararlı Yayılma ile görüntü oluşturma
* Whisper ile konuşma tanıma pic.twitter.com/twMF6NIMdV— Awni Hannun (@awnihannun) 5 Aralık 2023
MLX’in diğer örnekleri arasında Meta’nın açık kaynağını kullanarak metin oluşturma yer alıyor LLaMA dil modeliaynı zamanda Mistral büyük dil modeli. Yapay zeka ve makine öğrenimi araştırmacıları OpenAI’yi de kullanabilir açık kaynak Whisper aracı Konuşma tanıma modellerini bilgisayarlarında MLX kullanarak çalıştırmak için.
Apple’ın MLX çerçevesinin piyasaya sürülmesi, şirketin donanımında ML araştırma ve geliştirmesini kolaylaştırmaya yardımcı olabilir ve sonuçta geliştiricilerin, kullanıcının bilgisayarında verimli bir şekilde çalışan cihaz içi ML özellikleri sunan uygulamalar ve hizmetler için kullanılabilecek daha iyi araçlar getirmesine olanak tanıyabilir.