MLX 示例项目

本代码库包含一系列使用 MLX 框架的独立示例。

MNIST手写数字识别示例是学习MLX使用的理想起点。以下列举更多实用示例。如需功能更完善的MLX版LLM Python工具包，请查看 MLX LM。

文本模型

Transformer语言模型训练
LLMs目录下提供LLaMA、Mistral等大规模文本生成的极简实现
Mixtral 8x7B 混合专家(MoE)语言模型
LoRA/QLoRA微调参数高效微调方案
T5 文本到文本的多任务Transformer
BERT 双向语言理解模型

图像模型

音频模型

OpenAI Whisper 语音识别
Meta EnCodec 音频压缩与生成
Meta MusicGen 音乐生成

多模态模型

CLIP 图文联合嵌入模型
LLaVA 图文多模态输入文本生成
Segment Anything(SAM) 图像分割

其他模型

图卷积网络(GCN) 图结构数据半监督学习
Real NVP标准化流密度估计与采样

Hugging Face生态

您可以直接使用或下载Hugging Face社区MLX专区的转换后模型权重。欢迎加入社区并贡献新模型。

贡献指南

我们衷心感谢所有贡献者。如果您参与MLX示例项目并希望被列入致谢名单，请在PR中补充您的姓名。

引用MLX示例

MLX软件套件由Awni Hannun、Jagrit Digani、Angelos Katharopoulos和Ronan Collobert四人平等贡献开发。如果您的研究受益于MLX示例项目并需要引用，请使用以下BibTex条目：

@software{mlx2023,
  author = {Awni Hannun and Jagrit Digani and Angelos Katharopoulos and Ronan Collobert},
  title = {{MLX}: 苹果芯片上高效灵活的机器学习框架},
  url = {https://github.com/ml-explore},
  version = {0.0},
  year = {2023},
}

2.3 KiB Raw Blame History Unescape Escape