한줄 요약
Apple Silicon에서 머신러닝 모델을 효율적으로 개발하고 실행할 수 있도록 설계된 배열 프레임워크.
핵심 기능
친숙한 API: NumPy를 닮은 Python API와 PyTorch 스타일의 mlx.nn, mlx.optimizers 제공.
함수 변환: 자동 미분, 자동 벡터화, 계산 그래프 최적화 지원.
지연 연산: 배열이 필요할 때만 실제 메모리에 할당됨.
동적 그래프: 그래프가 동적으로 구성되어 디버깅이 쉽고 느린 컴파일이 없음.
멀티 디바이스: CPU와 GPU에서 연산 가능.
통합 메모리: 배열이 공유 메모리에 있어 데이터 복사 없이 디바이스 간 연산 가능.
언제 쓰나
Apple Silicon(M1/M2/M3 등) 기반 macOS 또는 Linux 환경에서 머신러닝 연구 및 모델 개발 시 사용한다. 특히 PyTorch나 JAX에 익숙한 연구자가 Apple 하드웨어에서 효율적인 학습과 추론을 원할 때 적합하다.