DeepMind ഓപ്പൺ സോഴ്‌സ്ഡ് S6, CPython-നുള്ള JIT കംപൈലർ നടപ്പിലാക്കുന്ന ഒരു ലൈബ്രറി

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മേഖലയിലെ വികസനത്തിന് പേരുകേട്ട ഡീപ് മൈൻഡ്, പൈത്തൺ ഭാഷയ്‌ക്കായി ഒരു ജെഐടി കമ്പൈലർ വികസിപ്പിച്ച എസ് 6 പ്രോജക്റ്റിന്റെ സോഴ്‌സ് കോഡ് തുറന്നു. പ്രോജക്റ്റ് രസകരമാണ്, കാരണം ഇത് സ്റ്റാൻഡേർഡ് CPython-മായി സംയോജിപ്പിക്കുന്ന ഒരു വിപുലീകരണ ലൈബ്രറിയായാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, CPython-മായി പൂർണ്ണമായ അനുയോജ്യത ഉറപ്പാക്കുന്നു, കൂടാതെ ഇന്റർപ്രെറ്റർ കോഡിന്റെ പരിഷ്ക്കരണം ആവശ്യമില്ല. 2019 മുതൽ പ്രോജക്റ്റ് വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്നു, പക്ഷേ നിർഭാഗ്യവശാൽ അത് നിർത്തലാക്കി, ഇനി വികസിപ്പിക്കുന്നില്ല. സൃഷ്ടിച്ച സംഭവവികാസങ്ങൾ പൈത്തൺ മെച്ചപ്പെടുത്തുന്നതിന് ഉപയോഗപ്രദമാകുമെന്നതിനാൽ, കോഡ് തുറക്കാൻ തീരുമാനിച്ചു. JIT കംപൈലർ കോഡ് C++ ൽ എഴുതിയിരിക്കുന്നു, അത് CPython 3.7 അടിസ്ഥാനമാക്കിയുള്ളതാണ്. അപ്പാച്ചെ 2.0 ലൈസൻസിന് കീഴിലുള്ള ഓപ്പൺ സോഴ്‌സ് ആണ്.

ഇതിന് പരിഹരിക്കാൻ കഴിയുന്ന ടാസ്ക്കുകളുടെ കാര്യത്തിൽ, പൈത്തണിനായുള്ള S6 ജാവാസ്ക്രിപ്റ്റിനുള്ള V8 എഞ്ചിനുമായി താരതമ്യം ചെയ്യുന്നു. നിലവിലുള്ള ബൈറ്റ്‌കോഡ് ഇന്റർപ്രെറ്റർ ഹാൻഡ്‌ലറായ ceval.c-യെ ലൈബ്രറി മാറ്റിസ്ഥാപിക്കുന്നു, അത് നടപ്പിലാക്കുന്നത് വേഗത്തിലാക്കാൻ JIT കംപൈലേഷൻ ഉപയോഗിക്കുന്നു. നിലവിലെ ഫംഗ്‌ഷൻ ഇതിനകം കംപൈൽ ചെയ്‌തിട്ടുണ്ടോ എന്ന് S6 പരിശോധിക്കുന്നു, അങ്ങനെയാണെങ്കിൽ, കംപൈൽ ചെയ്‌ത കോഡ് എക്‌സിക്യൂട്ട് ചെയ്യുന്നു, ഇല്ലെങ്കിൽ, CPython ഇന്റർപ്രെറ്ററിന് സമാനമായ ബൈറ്റ്കോഡ് ഇന്റർപ്രെട്ടേഷൻ മോഡിൽ ഫംഗ്‌ഷൻ പ്രവർത്തിപ്പിക്കുന്നു. വ്യാഖ്യാന സമയത്ത്, പ്രോസസ്സ് ചെയ്യുന്ന ഫംഗ്ഷനുമായി ബന്ധപ്പെട്ട എക്സിക്യൂട്ട് ചെയ്ത നിർദ്ദേശങ്ങളുടെയും കോളുകളുടെയും എണ്ണം കണക്കാക്കുന്നു. ഒരു നിശ്ചിത നാഴികക്കല്ലിൽ എത്തിയ ശേഷം, പതിവായി നടപ്പിലാക്കുന്ന കോഡ് വേഗത്തിലാക്കാൻ ഒരു സമാഹാര പ്രക്രിയ ആരംഭിക്കുന്നു. കംപൈലേഷൻ ഒരു ഇന്റർമീഡിയറ്റ് സ്ട്രോങ്‌ജിറ്റ് പ്രാതിനിധ്യത്തിലേക്കാണ് നടത്തുന്നത്, അത് ഒപ്റ്റിമൈസേഷന് ശേഷം, asmjit ലൈബ്രറി ഉപയോഗിച്ച് ടാർഗെറ്റ് സിസ്റ്റത്തിന്റെ മെഷീൻ നിർദ്ദേശങ്ങളാക്കി മാറ്റുന്നു.

ജോലിഭാരത്തിന്റെ സ്വഭാവം അനുസരിച്ച്, ഒപ്റ്റിമൽ സാഹചര്യങ്ങളിൽ S6, സാധാരണ CPython-നെ അപേക്ഷിച്ച് ടെസ്റ്റ് എക്സിക്യൂഷൻ വേഗതയിൽ 9.5 മടങ്ങ് വർദ്ധനവ് കാണിക്കുന്നു. റിച്ചാർഡ്സ് ടെസ്റ്റ് സ്യൂട്ടിന്റെ 100 ആവർത്തനങ്ങൾ പ്രവർത്തിപ്പിക്കുമ്പോൾ, ഒരു 7x വേഗത നിരീക്ഷിക്കപ്പെടുന്നു, കൂടാതെ വലിയ അളവിലുള്ള ഗണിതശാസ്ത്ര കണക്കുകൂട്ടലുകൾ ഉൾപ്പെടുന്ന Raytrace ടെസ്റ്റ് പ്രവർത്തിപ്പിക്കുമ്പോൾ, 3-4.5x വേഗത നിരീക്ഷിക്കപ്പെടുന്നു.

S6 ഉപയോഗിച്ച് ഒപ്റ്റിമൈസ് ചെയ്യാൻ ബുദ്ധിമുട്ടുള്ള ടാസ്‌ക്കുകളിൽ NumPy പോലുള്ള C API ഉപയോഗിക്കുന്ന പ്രോജക്‌റ്റുകളും വലിയ അളവിലുള്ള മൂല്യങ്ങളുടെ തരങ്ങൾ പരിശോധിക്കേണ്ടതിന്റെ ആവശ്യകതയുമായി ബന്ധപ്പെട്ട പ്രവർത്തനങ്ങളും ഉൾപ്പെടുന്നു. S6-ന്റെ പൈത്തൺ ഇന്റർപ്രെറ്ററിന്റെ ഒപ്റ്റിമൈസ് ചെയ്യാത്ത നിർവ്വഹണത്തിന്റെ ഉപയോഗം കാരണം റിസോഴ്‌സ്-ഇന്റൻസീവ് ഫംഗ്‌ഷനുകളുടെ സിംഗിൾ കോളുകൾക്കും കുറഞ്ഞ പ്രകടനം നിരീക്ഷിക്കപ്പെടുന്നു (വികസനം വ്യാഖ്യാന മോഡ് ഒപ്റ്റിമൈസ് ചെയ്യുന്ന ഘട്ടത്തിൽ എത്തിയിട്ടില്ല). ഉദാഹരണത്തിന്, അൺപാക്ക് സീക്വൻസ് ടെസ്റ്റിൽ, വലിയ സെറ്റ് അറേകൾ/ട്യൂപ്പിളുകൾ അൺപാക്ക് ചെയ്യുന്നു, ഒരൊറ്റ കോളിൽ 5 തവണ വരെ വേഗത കുറയുന്നു, കൂടാതെ സൈക്ലിക് കോളിൽ CPython-ൽ നിന്നുള്ള പ്രകടനം 0.97 ആണ്.

അവലംബം: opennet.ru