IT采购网2月21日消息，近日，一个博士生团队引领了一项名为"mlx-graphs"的创新项目，该项目致力于优化AppleSilicon芯片上的神经网络处理效能。据称，通过这一项目的实施，Apple Silicon芯片在处理大型数据集时的训练速度有望提升高达十倍。
该项目由博士生特里斯坦・比洛特(Tristan Bilot)和弗朗切斯科・法里纳(Francesco Farina)以及专为AppleSilicon设计的图形神经网络库MLX团队共同推动。他们的初衷是为了让图形神经网络(GNN)在Apple Silicon芯片上运行得更高效。
据IT采购网了解，比洛特在介绍该项目时表示，启用mlx-graphs后，AppleSilicon芯片在训练大型图形数据集时的初始基准运行速度，可以达到当前主流框架如PyTorchGeometric和DGL等的十倍。这一显著的性能提升预示着Apple Silicon芯片在神经网络处理领域的巨大潜力。
然而，比洛特也强调，该项目仍有很大的改进空间，他们期待通过持续的优化，进一步发挥AppleSilicon芯片的能力。目前，相关的开发库已经托管在GitHub上，他鼓励开发者们积极探索和测试该库，并提供反馈以及pullrequests，共同推动这一项目的发展。