一个旨在提高Apple Silicon上神经网络处理速度的新项目有可能将大型数据集的训练速度提高十倍。创建机器学习项目的问题之一是在大型数据集上训练模型。这依赖于大量的计算能力来啃噬数据，但这方面的改进有助于加快训练速度，并有可能改进模型。

mlx-graphs 是博士生特里斯坦-比洛特（Tristan Bilot）、弗朗切斯科-法里纳（Francesco Farina）和 MLX 团队的一个新项目，是一个旨在帮助图形神经网络（GNN）在Apple Silicon上更高效运行的库。图形神经网络用于预测节点和边，并执行基于图形的任务，在计算机视觉领域尤其有用。

mlx-graphs 项目以 MLX 为基础，是专为 Apple Silicon 发布的196世界之最图形神经网络库。该项目旨在为该领域的研究人员提供可观的性能提升。

Bilot 声称，在对大型图形数据集进行训练时，该库的初始基准运行速度可达 PyTorch Geometric 和 DGL 等框架的十倍。它通过使用专门设计的内http://www.196nk.cn核来并行化直接在 M 系列芯片 GPU 上运行的 GNN 计算。

苹果公司在MLX图形方面的工作仍处于初期阶段

Bilot 承认，"仍有很大的空间可以做出重大贡献"。这可能是一个暗示，即随着进一步的开发，可能会发现MRFxe更多的速度提升。

mlx-graphs 库可在 GitHub 上下载和安装：

https:196世界之最//github.com/mlMRFxex-graphs/mlx-graphs

Bilot 邀请其他人探索和测试该库，提供反馈，并通过拉取请求提交实现。该项目是对机器学习和生成式人工智能兴趣浪潮的一部分，这一领域可以极大地改变内容创作和向用户提供信息的方式。

就苹果公司而言，公司内部的研究人员已经创建了一个用于动画图像的生成式人工智能工具。此外，其他项目也在Xcode工具中测试人工智能的使用。

苹果公司首席执行官蒂姆-库克（Tim Cook）也谈到，苹果公司将在2024 年晚些时候向用户推出大量人工智能功能。