云信AI部署

Fedora 38环境下MLX的完整安装指南 (2025年05月版)

云信安装大师
90
AI 质量分
10 5 月, 2025
2 分钟阅读
0 阅读

Fedora 38环境下MLX的完整安装指南 (2025年05月版)

引言

MLX（Meta Learning eXperience）是Meta公司开发的一套高性能机器学习库，专为Apple Silicon优化。本指南将详细介绍在Fedora 38系统上安装和配置MLX的全过程，包含依赖项安装、环境配置以及常见问题解决方案。

准备工作

系统要求

  • Fedora 38操作系统（已更新至最新版本）
  • Python 3.9或更高版本
  • 至少8GB内存（推荐16GB以上）
  • 20GB可用磁盘空间

前置检查

在开始前，请先检查你的系统信息：

代码片段 
# 检查Fedora版本
cat /etc/fedora-release

# 检查Python版本
python3 --version

# 检查pip版本
pip3 --version

第一步：安装系统依赖项

MLX需要一些系统级别的库支持，运行以下命令安装：

代码片段 
sudo dnf update -y
sudo dnf install -y cmake make gcc-c++ python3-devel git wget \
    libomp-devel openblas-devel lapack-devel arpack-devel \
    libjpeg-turbo-devel libpng-devel libtiff-devel

参数说明：
– dnf update：更新系统所有软件包
– python3-devel：Python开发头文件
– libomp-devel：OpenMP支持库（MLX并行计算需要）

第二步：创建Python虚拟环境

为避免与其他项目冲突，建议使用虚拟环境：

代码片段 
python3 -m venv ~/mlx_env
source ~/mlx_env/bin/activate

验证激活成功：
命令行提示符前应显示(mlx_env)标记。

第三步：安装PyTorch和基础依赖

MLX需要PyTorch作为基础框架：

代码片段 
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
pip install numpy scipy matplotlib jupyterlab ipython tqdm requests pillow scikit-learn pandas seaborn

注意事项：
– Fedora 38默认可能使用较新的glibc版本，如果遇到兼容性问题可尝试：

代码片段 
pip install --pre torch --index-url https://download.pytorch.org/whl/nightly/cpu

第四步：安装MLX核心库

从源码编译安装最新版MLX：

代码片段 
git clone https://github.com/ml-explore/mlx.git
cd mlx

# 使用CMake构建（注意设置正确的Python路径）
mkdir build && cd build
cmake .. -DPYTHON_EXECUTABLE=$(which python)
make -j$(nproc)
sudo make install

# 安装Python绑定
cd ../python
pip install -e .

关键参数解释：
– -j$(nproc)：使用所有CPU核心加速编译
– pip install -e .：以”开发模式”安装，方便后续更新

第五步：验证安装

创建一个简单的测试脚本test_mlx.py：

代码片段 
import mlx.core as mx

# 创建一个随机数组并计算标准差
arr = mx.random.normal(shape=(100,100))
std_val = mx.std(arr)

print(f"Array standard deviation: {std_val.item()}")
print(f"MLX version: {mx.__version__}")
print(f"Backend device: {mx.default_device()}")

运行测试：

代码片段 
python test_mlx.py

预期输出类似：

代码片段 
Array standard deviation: 0.9980458021163949  
MLX version: 1.2.0  
Backend device: cpu

GPU加速配置（可选）

如果你有兼容的NVIDIA显卡，可以启用CUDA支持：

  1. 首先确保已安装NVIDIA驱动：
代码片段 
sudo dnf install akmod-nvidia cuda-toolkit 
nvidia-smi # 验证驱动状态

2.重新编译MLX时启用CUDA：

代码片段 
cd mlx/build 
cmake .. -DUSE_CUDA=ON 
make clean && make -j$(nproc) 
sudo make install

常见问题解决

Q1: ImportError: libomp.so.5 not found

解决方法：

代码片段 
sudo dnf provides */libomp.so*  
sudo dnf install libomp

Q2: CMake找不到Python.h

解决方法：明确指定Python路径

代码片段 
cmake .. -DPYTHON_EXECUTABLE=/usr/bin/python3 \
         -DPYTHON_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())")

Q3: pip安装超时

解决方法：更换国内镜像源

代码片段 
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

总结

本文详细介绍了在Fedora38上完整安装MLX的步骤：
1. 系统准备：更新系统和安装基础依赖项
2. 环境隔离：创建专用Python虚拟环境
3. 框架支持：正确安装PyTorch和相关科学计算库
4. 源码编译：从源码构建并优化MLX性能

建议定期查看官方GitHub获取最新更新。对于生产环境部署，建议使用Docker容器化方案以保证环境一致性。

原创 高质量