Selon Apple sur GitHub, des frameworks tels que PyTorch, Jax et ArrayFire ont inspiré la conception de MLX, avec la différence notable d’avoir une mémoire partagée, ce qui signifie que toute tâche exécutée sur MLX fonctionne sur les périphériques pris en charge (pour l’instant, les CPU et les GPUs) sans déplacer de données. Computerworld a rapporté que MLX était conçu pour être facile à utiliser pour les développeurs, mais qu’il avait suffisamment de puissance pour former des modèles d’IA tels que Llama et Stable Diffusion de Meta. Les frameworks et les bibliothèques de modèles aident à alimenter de nombreuses applications d’IA sur le marché aujourd’hui. Awni Hannun, chercheur en apprentissage machine chez Apple, a tweeté que MLX Data est un « package souple, efficace et flexible pour le chargement de données » et fonctionne avec les frameworks MLX, PyTorch ou Jax. The Verge a contacté Apple pour obtenir plus d’informations.
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle Introduction L’intelligence artificielle (IA)
