एलएलवीएम निर्माता नई मोजो प्रोग्रामिंग भाषा विकसित करता है

क्रिस लैटनर, एलएलवीएम के संस्थापक और मुख्य वास्तुकार और स्विफ्ट प्रोग्रामिंग भाषा के निर्माता, और टिम डेविस, गूगल एआई प्रोजेक्ट्स जैसे टेन्सरफ्लो और जेएएक्स के पूर्व प्रमुख, ने एक नई मोजो प्रोग्रामिंग भाषा पेश की जो आर एंड डी के लिए उपयोग में आसानी और तेजी से प्रोटोटाइप को जोड़ती है। उच्च प्रदर्शन अंत उत्पादों के लिए उपयुक्तता। पहला पायथन भाषा के परिचित सिंटैक्स के उपयोग के माध्यम से प्राप्त किया जाता है, और दूसरा मशीन कोड को संकलित करने की क्षमता, सुरक्षित मेमोरी प्रबंधन के लिए तंत्र और गणना के हार्डवेयर त्वरण के लिए उपकरणों के उपयोग के कारण होता है।

परियोजना मशीन सीखने के विकास के लिए उपयोग पर केंद्रित है, लेकिन इसे एक सामान्य-उद्देश्य वाली भाषा के रूप में प्रस्तुत किया गया है जो सिस्टम प्रोग्रामिंग के साथ पायथन भाषा की क्षमताओं का विस्तार करती है और कार्यों की एक विस्तृत श्रृंखला के लिए उपयुक्त है। उदाहरण के लिए, भाषा उच्च प्रदर्शन कंप्यूटिंग, डाटा प्रोसेसिंग और परिवर्तन जैसे क्षेत्रों पर लागू होती है। मोजो की एक दिलचस्प विशेषता टेक्स्ट एक्सटेंशन ".mojo" के अलावा, कोड फ़ाइलों के विस्तार के रूप में इमोजी प्रतीक "🔥" को निर्दिष्ट करने की क्षमता है (उदाहरण के लिए, "helloworld.🔥")।

वर्तमान में, भाषा गहन विकास के अधीन है और परीक्षण के लिए केवल ऑनलाइन इंटरफ़ेस की पेशकश की जाती है। इंटरएक्टिव वेब वातावरण के काम पर प्रतिक्रिया प्राप्त करने के बाद, स्थानीय सिस्टम पर चलने के लिए अलग-अलग विधानसभाओं को बाद में प्रकाशित करने का वादा किया गया है। संकलक, JIT और परियोजना से संबंधित अन्य विकास के लिए स्रोत कोड को आंतरिक वास्तुकला के डिजाइन के पूरा होने के बाद खोलने की योजना है (बंद दरवाजों के पीछे एक कामकाजी प्रोटोटाइप का विकास मॉडल एलएलवीएम, क्लैंग के विकास के प्रारंभिक चरण जैसा दिखता है। और स्विफ्ट)। चूंकि Mojo का सिंटैक्स Python पर आधारित है और टाइप सिस्टम C/C++ के करीब है, इसलिए भविष्य में C/C++ और Python में Mojo में लिखी गई मौजूदा परियोजनाओं के अनुवाद की सुविधा के साथ-साथ विकास करने के लिए टूलकिट विकसित करने की योजना है। हाइब्रिड प्रोजेक्ट जो पायथन कोड और मोजो को मिलाते हैं।

परियोजना को गणना में सिस्टम में उपलब्ध विषम प्रणालियों के हार्डवेयर संसाधनों को शामिल करने के लिए डिज़ाइन किया गया है। उदाहरण के लिए, जीपीयू, विशेष मशीन लर्निंग त्वरक, और वेक्टर प्रोसेसिंग निर्देश (एसआईएमडी) का उपयोग मोजो अनुप्रयोगों को चलाने और कंप्यूटेशंस को समानांतर करने के लिए किया जा सकता है। मौजूदा सीपीथॉन के अनुकूलन कार्य में शामिल होने के बजाय, पायथन भाषा का एक अलग उपसमुच्चय विकसित करने का कारण संकलन फोकस, सिस्टम प्रोग्रामिंग क्षमताओं का एकीकरण, और मौलिक रूप से भिन्न आंतरिक वास्तुकला का उपयोग है जो कोड को होने की अनुमति देता है। जीपीयू और विभिन्न हार्डवेयर त्वरक पर निष्पादित। उसी समय, मोजो के डेवलपर्स जितना संभव हो सके सीपीथॉन के साथ संगतता का पालन करना चाहते हैं।

Mojo का उपयोग JIT व्याख्या मोड और निष्पादन योग्य फ़ाइलों (AOT, समय से पहले) में संकलन के लिए दोनों में किया जा सकता है। कंपाइलर में स्वचालित अनुकूलन, कैशिंग और वितरित संकलन के लिए अंतर्निहित आधुनिक तकनीकें हैं। मोजो भाषा में स्रोत पाठ निम्न-स्तरीय इंटरमीडिएट कोड MLIR (मल्टी-लेवल इंटरमीडिएट रिप्रेजेंटेशन) में परिवर्तित हो जाते हैं, जिसे LLVM प्रोजेक्ट द्वारा विकसित किया गया है और डेटा फ्लो ग्राफ के प्रसंस्करण को अनुकूलित करने के लिए अतिरिक्त सुविधाएँ प्रदान करता है। कंपाइलर आपको मशीन कोड उत्पन्न करने के लिए एमएलआईआर का समर्थन करने वाले विभिन्न बैकएंड का उपयोग करने की अनुमति देता है।

गणनाओं को गति देने के लिए अतिरिक्त हार्डवेयर तंत्रों का उपयोग प्रदर्शन को प्राप्त करना संभव बनाता है, जो कि गहन गणनाओं के साथ, C / C ++ अनुप्रयोगों से अधिक है। उदाहरण के लिए, मैंडलब्रॉट सेट उत्पन्न करने के लिए किसी एप्लिकेशन का परीक्षण करते समय, संकलित मोजो एप्लिकेशन, जब AWS क्लाउड (r7iz.metal-16xl) में निष्पादित किया गया था, C ++ कार्यान्वयन (6 सेकंड बनाम 0.03 सेकंड) की तुलना में 0.20 गुना तेज था। ।), साथ ही स्टॉक CPython 35 (3.10.9 सेकंड बनाम 0.03 सेकंड) और PYPY (1027 सेकंड बनाम 1500 सेकंड) का उपयोग करके 0.03 गुना तेज़ पायथन एप्लिकेशन की तुलना में 46.1 हज़ार गुना तेज़।

मशीन सीखने की समस्याओं को हल करने के क्षेत्र में प्रदर्शन का मूल्यांकन करते समय, TensorFlow लाइब्रेरी पर आधारित एक समाधान की तुलना में Mojo भाषा में लिखा गया मॉड्यूलर इंट्रेंस इंजन AI स्टैक, Intel के साथ सिस्टम पर 3 गुना तेज निकला भाषा मॉडल को संसाधित करते समय प्रोसेसर, अनुशंसा जनरेशन मॉडल के निष्पादन के दौरान 6.4 गुना तेज और दृश्य जानकारी को संसाधित करने के लिए मॉडल के साथ काम करते समय 2.1 गुना तेज। एएमडी प्रोसेसर का उपयोग करते समय, मोजो का उपयोग करते समय लाभ क्रमशः 3.2, 5 और 2.2 गुना था, और एआरएम प्रोसेसर का उपयोग करते समय - क्रमशः 5.3, 7.5 और 1.7 गुना। PyTorch- आधारित समाधान Mojo से Intel CPU पर 1.4, 1.1 और 1.5 गुना, AMD CPU पर 2.1, 1.2 और 1.5 गुना और ARM CPU पर 4, 4.3 और 1.3 गुना पिछड़ गया।

भाषा स्टेटिक टाइपिंग और लो-लेवल मेमोरी-सेफ फीचर्स को सपोर्ट करती है, जो रस्ट फीचर्स जैसे रेफरेंस लाइफटाइम ट्रैकिंग और वेरिएबल बॉरोइंग चेकर (उधार चेकर) की याद दिलाती है। पॉइंटर्स के साथ सुरक्षित संचालन के साधनों के अलावा, भाषा निम्न-स्तरीय कार्य के लिए सुविधाएँ भी प्रदान करती है, उदाहरण के लिए, पॉइंटर प्रकार का उपयोग करके असुरक्षित मोड में मेमोरी को सीधे एक्सेस करना संभव है, अलग-अलग SIMD निर्देशों को कॉल करें, या हार्डवेयर एक्सटेंशन जैसे एक्सेस करें TensorCores और AMX के रूप में।

सभी चरों के लिए स्पष्ट प्रकार की परिभाषाओं वाले कार्यों के लिए क्लासिक और अनुकूलित पायथन कोड के पृथक्करण को सरल बनाने के लिए, "डीईएफ़" के बजाय एक अलग कीवर्ड "एफएन" का उपयोग करने का प्रस्ताव है। इसी प्रकार कक्षाओं के लिए, यदि आपको "कक्षा" के बजाय संकलन समय (सी में) पर स्मृति में डेटा को स्थिर रूप से पैक करने की आवश्यकता है, तो आप "संरचना" प्रकार का उपयोग कर सकते हैं। सी / सी ++ भाषाओं में मॉड्यूल आयात करना भी संभव है, उदाहरण के लिए, गणित पुस्तकालय से कॉस फ़ंक्शन आयात करने के लिए, आप "math.h" आयात कॉस से निर्दिष्ट कर सकते हैं।

स्रोत: opennet.ru