Selon Apple sur GitHub, des cadres 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 (à l’heure actuelle, 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 disposait de suffisamment de puissance pour former des modèles d’IA tels que Llama et Stable Diffusion de Meta. Les cadres et les bibliothèques de modèles aident à alimenter de nombreuses applications d’IA sur le marché maintenant. Awni Hannun, un chercheur en apprentissage machine chez Apple, a tweeté que MLX Data était un « paquet efficace, flexible et indépendant du cadre pour le chargement de données » et fonctionnait avec MLX, PyTorch ou Jax. The Verge a contacté Apple pour en savoir plus.
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)
