GoMLX：Go语言的机器学习库

1. 项目介绍

GoMLX 是一个为 Go 语言设计的快速且易于使用的机器学习和数学库。它提供了完整的机器学习工具集，包括训练、微调、修改和组合机器学习模型的功能。GoMLX 的核心后端基于 OpenXLA/PJRT，使用即时编译技术，支持 CPU 和 GPU（可选 TPU）计算。它和 Google 的 Jax 和 TensorFlow 使用相同的引擎，提供相近的性能。

GoMLX 的目标是成为一个全功能的 Go 语言机器学习平台，方便用户轻松实验新的机器学习想法。它追求简单、透明，与 Go 语言的哲学一致，并且在保证灵活性和易于扩展的同时，尝试非常规的想法。

2. 项目快速启动

安装

使用 Docker

拉取包含 GoMLX、JupyterLab 和 GoNB（Go 语言的 Jupyter 内核）的 Docker 镜像：

docker pull janpfeifer/gomlx_jupyterlab:latest

运行 Docker 容器：

docker run -it --rm -p 8888:8888 -v "${PWD}":/home/jupyter/work janpfeifer/gomlx_jupyterlab:latest

运行上述命令后，终端会显示一个以 127.0.0.1:8888 开头的 URL，其中包含一个密钥令牌，可以在浏览器中打开以访问 JupyterLab。

使用预编译二进制文件

Linux/amd64 平台：

curl -sSf https://raw.githubusercontent.com/gomlx/gopjrt/main/cmd/install_linux_amd64.sh | bash

Linux+CUDA (NVidia GPU) 支持：

curl -sSf https://raw.githubusercontent.com/gomlx/gopjrt/main/cmd/install_cuda.sh | bash

请注意，Darwin (MacOS) 平台的支持可能不完整，建议使用 Linux 或 Docker。

运行示例

进入 JupyterLab 后，可以查看和运行官方提供的教程，开始机器学习的实验。

3. 应用案例和最佳实践

以下是一些使用 GoMLX 的示例和最佳实践：

• 神经风格转移：GoMLX 可以实现神经风格转移算法，将一张图片的风格应用到另一张图片上。
• 成人信息模型：构建用于分类的机器学习模型。
• Cifar-10 演示：在 Cifar-10 数据集上训练卷积神经网络。
• MNIST 演示：使用 GoMLX 对 MNIST 数据集中的手写数字进行分类。

4. 典型生态项目

GoMLX 生态系统中的典型项目包括：

• onnx-gomlx：将 ONNX 模型转换为 GoMLX 格式，以便在 GoMLX 中使用。
• go-huggingface：用于轻松下载 HuggingFace 上的 ONNX 模型文件。
• GoNB：Go 语言的 Jupyter 内核，允许在 Jupyter 笔记本中使用 GoMLX。

通过上述介绍和教程，开发者可以开始使用 GoMLX 进行机器学习相关的开发工作，并探索其在不同应用场景下的可能性。