开发者可以在他们自己的程序中使用这些示例 -- 只需要导入 swift 包！

• MLXLLMCommon -- LLM 和 VLM 的通用 API
• MLXLLM -- 大型语言模型示例实现
• MLXVLM -- 可视化语言模型示例实现
• MLXEmbedders -- 流行的编码器 / 嵌入模型示例实现
• StableDiffusion -- SDXL Turbo 和 Stable Diffusion 模型示例实现
• MLXMNIST -- 满足您所有数字识别需求的 MNIST 实现

示例 MLX Swift 程序。

• MNISTTrainer：一个可以在 iOS 和 macOS 上运行的示例，它下载 MNIST 训练数据并训练一个 LeNet。

• LLMEval：一个可以在 iOS 和 macOS 上运行的示例，它从 Hugging Face 下载一个 LLM 和 tokenizer，并从给定的提示生成文本。

• VLMEval：一个可以在 iOS、macOS 和 visionOS 上运行的示例，它从 Hugging Face 下载一个 VLM 和 tokenizer，并分析给定的图像并用文本描述它。

• LinearModelTraining：一个训练简单线性模型的示例。

• StableDiffusionExample：一个可以在 iOS 和 macOS 上运行的示例，它从 Hugging Face 下载一个 stable diffusion 模型，并从给定的提示生成图像。

• llm-tool：一个命令行工具，用于使用 Hugging Face hub 上提供的各种 LLM 生成文本。

• image-tool：一个命令行工具，用于使用 Hugging Face 的 stable diffusion 模型生成图像。

• mnist-tool：一个命令行工具，用于在 MNIST 上训练 LeNet。

应用程序和命令行工具示例可以从 Xcode 或命令行运行

./mlx-run llm-tool --prompt "swift programming language"

另请参阅

• MLX 故障排除

示例仓库中的 MLXLLM、MLXVLM、MLXLMCommon、MLXMNIST、MLXEmbedders 和 StableDiffusion 库可以作为 Swift Packages 使用。

将以下依赖项添加到您的 Package.swift

.package(url: "https://github.com/ml-explore/mlx-swift-examples/", branch: "main"),

然后将一个或多个库作为依赖项添加到目标中

.target(
    name: "YourTargetName",
    dependencies: [
        .product(name: "MLXLLM", package: "mlx-swift-examples")
    ]),

或者，将 https://github.com/ml-explore/mlx-swift-examples/ 添加到 Project Dependencies，并在 Xcode 中将 Dependency Rule 设置为 Branch 和 main。