MLX

MLX是由苹果的机器学习研究团队开发的，专门为Apple Silicon芯片优化设计的机器学习阵列框架。它借鉴了NumPy、PyTorch、Jax和ArrayFire等框架的灵感，提供了简单友好的使用方式，帮助开发人员在苹果M系列芯片上高效地开发、训练和部署模型。

主要功能：

熟悉的API：MLX提供了与NumPy相似的Python API，以及功能齐全的C++ API，使得开发者能够轻松上手。
可组合的函数转换：MLX支持自动微分、自动向量化和计算图优化等可组合的函数转换，为深度学习模型的训练和部署提供了强大的支持。
惰性计算：在MLX中，计算是惰性进行的，只有当需要时才会具体化数组，这有助于节省内存和提高计算效率。
动态图构建：MLX中的计算图是动态构建的，这意味着改变函数参数的形状不会触发缓慢的编译过程，而且调试过程也更加直观简便。
多设备支持：MLX可以在任何支持的设备（包括CPU和GPU）上运行，为开发者提供了更大的灵活性和可扩展性。
统一内存模型：与其他框架的主要区别在于，MLX采用了统一内存模型，阵列共享内存。这意味着在MLX上的操作可以在任何支持的设备类型上运行，无需移动数据，进一步提高了计算效率和性能。