Selon Apple sur GitHub, les 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 effectuée sur MLX fonctionne sur les périphériques pris en charge (pour l’instant, les processeurs et les cartes graphiques) sans déplacer de données. Computerworld a rapporté que MLX était conçu pour être facile à utiliser pour les développeurs, mais qu’il possédait suffisamment de puissance pour former des modèles d’IA tels que Llama de Meta et Stable Diffusion. Les bibliothèques et les modèles de cadres 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 «paquet efficace, flexible et indépendant du cadre pour le chargement de données» qui fonctionne avec MLX, PyTorch ou les cadres Jax. Verge s’est adressé à 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)
