Mojo Programming Language Beta Tso Tawm 1.0

Представлен первый бета выпуск языка программирования Mojo 1.0, который ознаменовал стабилизацию языка и реализацию всех базовых возможностей. Выпуск оценивается как почти готовый к повсеместному использованию. Финальный релиз Mojo 1.0 ожидается в начале осени. Использование данной ветки позволит начать разрабатывать крупные проекты, не опасаясь появления в языке изменений, нарушающих совместимость.

В состав платформы включены компоненты, необходимые для разработки приложений на языке Mojo, включая компилятор, runtime, интерактивную REPL-оболочку для сборки и запуска программ, отладчик, дополнение к редактору кода Visual Studio Code (VS Code) с поддержкой автодополнения ввода, форматирования кода и подсветки синтаксиса, модуль для интеграции с Jupyter для сборки и запуска Mojo notebook. Исходный код стандартной библиотеки Mojo открыты под лицензией Apache 2.0 c исключениями от проекта LLVM, допускающими смешивание с кодом под лицензией GPLv2. Исходный код компилятора планируют открыть после завершения стабилизации внутренней архитектуры.

Cov lus Mojo tau tsim nyob rau hauv kev coj noj coj ua ntawm Chris Lattner, tus tsim thiab tus thawj kws tsim qauv ntawm LLVM qhov project thiab tus tsim ntawm Swift programming lus. Mojo's syntax yog raws li Python lus, thiab hom kab ke ze rau C / C ++. Qhov project yog touted raws li ib hom lus dav dav uas nthuav dav lub peev xwm ntawm Python nrog cov txheej txheem kev ua haujlwm muaj peev xwm, tsim nyog rau ntau yam haujlwm, thiab sib txuas yooj yim ntawm kev siv rau kev tshawb fawb kev loj hlob thiab prototyping sai nrog rau qhov tsim nyog rau cov khoom ua tau zoo kawg.

Kev yooj yim yog ua tiav los ntawm kev siv Python syntax paub, thiab kev txhim kho cov khoom kawg yog yooj yim los ntawm kev muaj peev xwm los sau ua ke rau lub tshuab code, lub cim xeeb-kev nyab xeeb mechanisms, thiab kev siv cov cuab yeej kho vajtse acceleration. Txhawm rau ua tiav kev ua haujlwm siab, kev sib piv ntawm kev suav suav yog txhawb nqa siv tag nrho cov khoom siv kho vajtse ntawm cov txheej txheem sib txawv muaj nyob hauv lub kaw lus, xws li GPUs, tshwj xeeb accelerators rau kev kawm tshuab thiab vector processor cov lus qhia (SIMD). Rau kev suav siv hnyav, kev sib piv thiab kev siv tag nrho cov kev siv suav nrog ua rau nws ua tau kom ua tiav kev ua tau zoo tshaj rau C / C ++ daim ntawv thov.

Cov lus txhawb kev ntaus ntawv zoo li qub thiab tsis tshua muaj kev nco-kev nyab xeeb nta nco txog Rust, xws li kev siv lub neej taug qab thiab qiv nyiaj. Tib lub sijhawm, cov lus tseem muab sijhawm rau kev ua haujlwm qis, piv txwv li, nws tuaj yeem nkag mus rau lub cim xeeb ncaj qha hauv hom tsis muaj kev nyab xeeb siv hom Pointer, hu rau tus kheej SIMD cov lus qhia, lossis nkag mus rau cov khoom siv txuas ntxiv xws li TensorCores thiab AMX.

Mojo tuaj yeem siv ob qho tib si hauv kev txhais lus siv JIT, thiab muab tso ua ke rau hauv cov ntaub ntawv ua tiav (AOT, ua ntej-ntawm-lub sijhawm). Lub compiler muaj built-in niaj hnub technologies rau tsis siv neeg optimization, caching thiab faib muab tso ua ke. Qhov chaws hauv Mojo lus tau hloov mus rau qib qis nruab nrab MLIR (Multi-Level Intermediate Representation), tsim los ntawm LLVM project. Lub compiler tso cai rau koj siv ntau yam backends uas txhawb MLIR los tsim cov tshuab code.

Среди изменений в Mojo 1.0.0b1:

• Ключевое слово «fn» объявлено устаревшим — для объявления функций следует использовать ключевое слово «def» (возможности «fn» и «def» объединены, и в «def» реализована семантика «fn» без генерации исключений).
• Унифицирована реализация замыканий (closure). Не учитывающие контекст замыкания (stateless closure) теперь автоматически преобразуются в функции верхнего уровня и могут использоваться как callback-вызовы в FFI (Foreign Function Interface). Добавлена поддержка захвата по ссылке (ref capture). При объявлении функций добавлен признак «thin» для объявления простого типа указателя на функцию без захвата состояния.
• Указатели с типом UnsafePointer теперь не могут принимать значение null по умолчанию, а для работы с null-указателями необходимо использовать «Optional[UnsafePointer[…]]», что позволяет исключить накладные расходы при работе с null-указателями и сохранить возможность безопасного применения в FFI.
• По умолчанию в коде для CPU в коллекциях включена проверка допустимых границ (на GPU проверка отключена для производительности, но может быть включена при сборке с «mojo build -D ASSERT=all»). Прекращена поддержка указания отрицательных значений в индексах (запрещено «x[-1]», но можно указывать «x[len(x)-1]»).
• Из стандартной библиотек удалён тип NDBuffer, вместо которого следует использовать TileTensor.
• Расширена поддержка работы с GPU через графический API Metal на системах Apple (например, появилась поддержка print() и матричных инструкций M5). Добавлена поддержка ускорителей AMD MI250X и NVIDIA B300.
• Идентификаторы примитивов GPU (индексы потоков и блоков) переведены на возвращение типа Int вместо UInt.
• Контекст CPU (‘DeviceContext(api=»cpu»)’) стал потокозависимым (stream-ordered). Для упорядоченного выполнения задач добавлены функции enqueue_cpu_function() и enqueue_cpu_range().
• В типах String и StringSlice добавлена поддержка графемных кластеров (Unicode UAX #29), позволяющая корректно вычислять длину и обрезать строки с emoji и комбинированных символов. Добавлены методы graphemes() и count_graphemes(), а также синтаксис слайсов «[grapheme=…]».
• Реализовано уточнение типов (Type Refinement) на этапе компиляции для автоматического сужения типов внутри выражений «where», «if» и «assert» (позволяет обойтись без явного указания trait_downcast).
• Предложен унифицированный API рефлексии, в котором предложена новая функция reflect[T](), возвращающая Reflected[T] и заменяющая семейство функций struct_field_* и старые методы get_type_name().

Одновременно сформирован выпуск движка MAX Framework 26.3, предлагающего платформу для разработок в области машинного обучения. MAX Framework дополняет инструментарий Mojo средствами для разработки и отладки приложений, использующих модели машинного обучения в различных форматах (TensorFlow, PyTorch, ONNX и т.п.). В новой версии MAX Framework добавлена возможность генерации видео, расширена поддержка работ с использованием нескольких GPU, значительно повышена производительность интерпретатора (некоторые операции стали выполняться быстрее в 10-20 раз).

Tau qhov twg los: opennet.ru