Dokumentationerreichbar
MLX, ein Array-Framework für Apple Silicon
Der Unterbau, auf dem die beiden Erkennungsmodelle lokal rechnen. MLX kommt aus Apples Forschungsabteilung, und sein Unterschied zu anderen Frameworks liegt im gemeinsamen Speicher: Arrays liegen im geteilten Speicher, Operationen laufen auf Hauptprozessor oder Grafikeinheit, ohne dass Daten kopiert werden. Auf einem Gerät mit gemeinsamem Speicher entfällt damit der Umweg, der auf getrennten Karten nötig wäre.
geprüft 24.09.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 07.09.2026:
MLX is an array framework for machine learning on Apple silicon, brought to you by Apple machine learning research.
bestätigt 24.09.2026Unified memory: A notable difference from MLX and other frameworks is the unified memory model. Arrays in MLX live in shared memory.
bestätigt 24.09.2026Operations can run on any of the supported devices (currently the CPU and the GPU).
bestätigt 24.09.2026