Open-source

Autoresearch-MLX — циклы ML-экспериментов на Apple Silicon

Обзор по документации проекта · Проверено

Изображение из Telegram поста
Autoresearch-MLX

Autoresearch-MLX — инструмент для автоматизированного исследования моделей машинного обучения. Он предназначен для разработчиков, которые хотят экспериментировать с различными конфигурациями моделей и гиперпараметрами, используя фиксированный бюджет времени на обучение на устройствах Apple Silicon.

Проект позволяет запускать циклы автономных экспериментов, где агент редактирует файл train.py для изменения модели, оптимизатора или цикла обучения. Затем запускается тренировочный эксперимент с фиксированным бюджетом времени, после которого результат оценивается по метрике val_bpb. Изменения сохраняются, если они улучшают метрику, или отменяются, если ухудшают. Для более строгой оценки изменений можно использовать скрипт rigor.py, который запускает несколько прогонов с разными начальными значениями и принимает решение о сохранении изменений с заданной уверенностью.

Для работы Autoresearch-MLX требуется компьютер с процессором Apple Silicon, Python 3.10+ и утилита uv. Проект использует фреймворк MLX для нативного выполнения на Apple Silicon, исключая зависимости от PyTorch или CUDA. Лицензия MIT позволяет свободное использование и распространение.

https://github.com/trevin-creator/autoresearch-mlx | 1862 звезды

#сервисы

Источники и документация