MLX 是由 Apple 机器学习研究团队推出的一个专为 Apple 芯片设计的机器学习框架。
MLX 是由机器学习研究人员为机器学习研究人员设计的。该框架旨在易于使用，同时仍然高效地训练和部署模型。框架本身的设计也概念简单。我们的目标是让研究人员能够轻松扩展和改进 MLX，以便快速探索新想法。
通过 MLX，可以在 Apple Silicon 设备上加速 LLMs，模型可以非常方便地在本地运行。
现在，Apple MLX 框架支持 Phi-3.5-Instruct（Apple MLX 框架支持）、Phi-3.5-Vision（MLX-VLM 框架支持）和 Phi-3.5-MoE（Apple MLX 框架支持）的量化转换。接下来让我们尝试一下：
python -m mlx_lm.convert --hf-path microsoft/Phi-3.5-mini-instruct -q
python -m mlxv_lm.convert --hf-path microsoft/Phi-3.5-vision-instruct -q
python -m mlx_lm.convert --hf-path microsoft/Phi-3.5-MoE-instruct -q
| 实验室 | 介绍 | 访问 |
|---|---|---|
| 🚀 实验室-介绍 Phi-3.5 Instruct | 学习如何使用 Apple MLX 框架中的 Phi-3.5 Instruct | 访问 |
| 🚀 实验室-介绍 Phi-3.5 Vision (图像) | 学习如何使用 Apple MLX 框架中的 Phi-3.5 Vision 分析图像 | 访问 |
| 🚀 实验室-介绍 Phi-3.5 Vision (moE) | 学习如何使用 Apple MLX 框架中的 Phi-3.5 MoE | 访问 |
-
了解 Apple MLX 框架 https://ml-explore.github.io/mlx/
-
Apple MLX GitHub 仓库 https://github.com/ml-explore
-
MLX-VLM GitHub 仓库 https://github.com/Blaizzy/mlx-vlm
免責聲明： 本文件是使用機器翻譯服務進行翻譯的。儘管我們努力確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原語言的原始文件為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用本翻譯而引起的任何誤解或誤釋不承擔任何責任。