MLX是由蘋果的機器學習研究團隊推出的用于機器學習的陣列框架，該開源框架專為 Apple Silicon 芯片而設計優化，從NumPy、PyTorch、Jax和ArrayFire等框架中吸取靈感，提供簡單友好的使用方法，幫助開發人員在蘋果M系列芯片上有效地開發、訓練和部署模型。

MLX的主要功能

• 熟悉的 API：MLX 有一個緊隨 NumPy 的 Python API。MLX 還擁有功能齊全的 C++ API，與 Python API 非常相似。
• 可組合的函數轉換：MLX 支持用于自動微分、自動向量化和計算圖優化的可組合函數轉換。
• 惰性計算：MLX 中的計算是惰性計算，數組僅在需要時才會具體化。
• 動態圖構建：MLX 中的計算圖是動態構建的。更改函數參數的形狀不會觸發緩慢的編譯，并且調試簡單直觀。
• 多設備：可以在任何支持的設備（CPU 和 GPU）上運行。
• 統一內存：MLX 和其他框架的主要區別在于統一內存模型，陣列共享內存。MLX 上的操作可以在任何支持的設備類型上運行，無需移動數據。