在 Mac 上跑通 MLX 示例：从手写数字分类到文生图的完整路径

在 Mac 上跑通 MLX 示例从手写数字分类到文生图的完整路径【免费下载链接】mlx-examplesExamples in the MLX framework项目地址: https://gitcode.com/GitHub_Trending/ml/mlx-examples想在 M 系列 Mac 上本地跑文生图和语音识别又不想折腾 CUDA 环境mlx-examples 把图像生成、语音转写、视觉语言对话这些任务的 MLX 可运行示例都放在了同一个仓库里。mlx-examples 是 Apple 官方 MLX 框架的示例仓库覆盖 Apple Silicon 上训练、推理与生成的常用任务训练并评估小型模型文生图、文生视频语音转文字克隆仓库并运行第一个示例从最精简的 MNIST 示例入手它用两层 MLP 在手写数字上训练 10 个 epoch每个 epoch 打印一次测试准确率和耗时。git clone https://gitcode.com/GitHub_Trending/ml/mlx-examples cd mlx-examples/mnist pip install -r requirements.txt python main.py输出形如Epoch 0: Test accuracy 0.925, Time 0.012 (s)看到 accuracy 逐轮上升就说明流程跑通了。在 Mac 上加--gpu可切换到 Metal 后端用--dataset fashion_mnist还能换成时装数据集。注意首次运行会把数据集下载到 /tmp 目录需要保持网络可用。入口 mnist/main.py 全文不到一百行把建模、损失计算、参数更新三步都写在一个文件里是理解 MLX 训练循环最短的入口。️ 按任务演示用文字生成一张图输入提示词Stable Diffusion默认 sdxl-turbo也可选 SD 2.1输出图片权重首次运行时直接从 Hugging Face 拉取。入口stable_diffusion/txt2image.py边界8GB 内存的机型建议加-q参数做量化sdxl-turbo 只需 2 步采样cd stable_diffusion pip install -r requirements.txt python txt2image.py a still life painting --n_images 4 --n_rows 2结果默认写入out.png可用--output改名。让模型看图回答把图片和问题一起交给 LLaVA 多模态模型它会以文本形式作答--image传本地路径或 URL 均可。入口llava/generate.py边界默认加载 7B 模型首次运行自动下载权重内存占用相对更高cd llava pip install -r requirements.txt python generate.py --image your_image.jpg --max-tokens 128把录音转成文字用 Whisper 转写音频文件结果写入同名文本文件也支持从 stdin 管道输入。入口whisper/mlx_whisper/transcribe.py边界依赖系统安装的 ffmpeg默认 tiny 模型可用--model换更大的pip install mlx-whisper mlx_whisper meeting.mp3在 Python 里调用mlx_whisper.transcribe时传word_timestampsTrue还能拿到词级时间戳。让图片和文字对齐用 CLIP 把图像和文本编码到同一嵌入空间即可直接计算图文相似度适合做检索或分类前处理。入口clip/clip.py先运行python convert.py把权重转成 MLX 格式亮点示例自带最小化的预处理实现依赖很少clip/linear_probe.py 里还有一个线性探针训练示例选择下一步深入方向flux/txt2image.py用 FLUX 模型文生图配套 LoRA 微调与训练器video/wan2.1/txt2video.py基于 Wan2.1 的文生视频、图生视频lora/lora.pyLoRA/QLoRA 参数高效微调的核心实现llms/llama/llama.pyLlama 系模型的权重转换与推理采样musicgen/generate.py按文字描述生成音乐片段跑通 MNIST 后可以打开 lora/README.md 对照示例数据文件在本地做一次 LoRA 微调看看参数高效训练与全量训练的差异。【免费下载链接】mlx-examplesExamples in the MLX framework项目地址: https://gitcode.com/GitHub_Trending/ml/mlx-examples创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考