MLX 示例

本仓库包含了多个使用 MLX 框架 的独立示例。

MNIST 示例是学习如何使用 MLX 的良好起点。

以下列出了一些更有用的示例。

文本模型

• MLX LM：用于 LLM 文本生成、微调等的软件包。
• Transformer 语言模型训练。
• LLMs 目录中包含使用 LLaMA、Mistral 等进行大规模文本生成的简单示例。
• 使用 Mixtral 8x7B 的混合专家语言模型 (MoE)。
• 使用 LoRA 或 QLoRA 进行参数高效微调。
• 使用 T5 进行文本到文本的多任务 Transformers。
• 使用 BERT 进行双向语言理解。

图像模型

• 使用 ResNets 在 CIFAR-10 上进行图像分类。
• 使用 Stable Diffusion 或 SDXL 生成图像。
• 在 MNIST 上的卷积变分自编码器 (CVAE)。

音频模型

• 使用 OpenAI 的 Whisper 进行语音识别。

多模态模型

• 使用 CLIP 进行联合文本和图像嵌入。
• 使用 LLaVA 从图像和文本输入生成文本。
• 使用 Segment Anything (SAM) 进行图像分割。

其他模型

• 使用 GCN 对图结构数据进行半监督学习。
• 用于密度估计和采样的 Real NVP 归一化流。

Hugging Face

注意：现在您可以直接从 Hugging Face 上的 MLX Community 组织下载一些转换后的检查点。我们鼓励您加入社区并贡献新模型。

贡献

我们感谢所有贡献者。如果您为 MLX Examples 做出贡献并希望得到认可，请在您的拉取请求中将您的姓名添加到列表中。

引用 MLX Examples

MLX 软件套件最初由 Awni Hannun、Jagrit Digani、Angelos Katharopoulos 和 Ronan Collobert 平等贡献开发。如果您在研究中发现 MLX Examples 有用并希望引用它，请使用以下 BibTex 条目：

@software{mlx2023,
  author = {Awni Hannun and Jagrit Digani and Angelos Katharopoulos and Ronan Collobert},
  title = {{MLX}: Efficient and flexible machine learning on Apple silicon},
  url = {https://github.com/ml-explore},
  version = {0.0},
  year = {2023},
}