MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架，该开源框架专为AppleSilicon芯片而设计优化，从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感，提供简单友好的使用方法，帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。

MLX的主要功能

• 熟悉的API：MLX有一个紧随NumPy的PythonAPI。MLX还拥有功能齐全的C++API，与PythonAPI非常相似。
• 可组合的函数转换：MLX支持用于自动微分、自动向量化和计算图优化的可组合函数转换。
• 惰性计算：MLX中的计算是惰性计算，数组仅在需要时才会具体化。
• 动态图构建：MLX中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。
• 多设备：可以在任何支持的设备（CPU和GPU）上运行。
• 统一内存：MLX和其他框架的主要区别在于统一内存模型，阵列共享内存。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。