站点介绍
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 Apple silicon 芯片而设计优化，从NumPy.PvTorch、Jax和Arravfire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
1.熟悉的 API:MLX有一个紧随 NumPy的 Python API。MLX还拥有功能齐全的 C++ API，与 Python API 非常相似。
2.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。
3.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。
4.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
5.多设备:可以在任何支持的设备(CPU 和 GPU)上运行。
6.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
相似站点
RapidMiner
人人适用的人工智能 数据科学最适合作为一项团队运动。我们不只是为每个人提供一些东西--我们为每个人提供一切。 快速地、向前! 两位创新者齐聚一堂，转变业务分析。Altair 收购了 RapidMiner。 Altair 和 RapidMiner 有着相同的愿景，即让数据分析对所有用户都足够简单，但对所有企业都足够可扩展、受监管和安全。RapidMiner 是企业就绪的数据科学平台，可放大您的人员、专业知识和数据的集体影响，以获得突破性的竞争优势。 RapidMiner 诞生于 2001 年多特蒙德大学的一个数据科学项目。我们的目标是忠于我们的学术根源，同时不断创新和发展，以实现我们重塑企业 A1的使命，让任何人都有能力积极塑造未来。
Orange
数据挖掘，富有成果和乐趣 开源机器学习和数据可视化。使用大型、多样化的工具箱以可视化方式构建数据分析工作流。 交互式数据可视化 通过巧妙的数据可视化执行简单的数据分析。探索统计分布、箱线图和散点图，或深入研究决策树、层次聚类热图、MDS 和线性投影。甚至您的多维数据也可以在 2D 中变得有意义，尤其是通过巧妙的属性排序和选择, 可视化编程 交互式数据探索，可通过清晰的可视化进行快速定性分析。图形用户界面使您可以专注于探索性数据分析而不是编码，而巧妙的默认设置使数据分析工作流程的快速原型制作变得极其容易。将小部件放在画布上，连接它们，加载您的数据集并收获洞察力! 老师和学生喜欢它 在教授数据挖掘时，我们喜欢举例说明，而不仅仅是解释。0range 在这方面做得很好。Orange 在世界各地的学校、大学和专业培训课程中使用，支持动手培训和数据科学概念的可视化说明。甚至还有专为教学设计的小部件 附加组件扩展功能 使用 Orange 中可用的各种附加组件从外部数据源挖掘数据，执行自然语言处理和文本挖掘，进行网络分析，推断频繁项集和进行关联规则挖掘。此外，生物信息学家和分子生物学家可以使用 Orange 通过差异表达对基因进行排序并进行富集分析。
