LLVM क्रिएटर नवीन मोजो प्रोग्रामिंग भाषा विकसित करतो

LLVM चे संस्थापक आणि मुख्य वास्तुविशारद आणि स्विफ्ट प्रोग्रामिंग लँग्वेजचे निर्माते ख्रिस लॅटनर आणि Tensorflow आणि JAX सारख्या Google AI प्रकल्पांचे माजी प्रमुख टिम डेव्हिस यांनी एक नवीन Mojo प्रोग्रामिंग भाषा सादर केली जी R&D साठी वापरण्यास सुलभता आणि जलद प्रोटोटाइपिंगसह एकत्रित करते. उच्च कार्यक्षमता अंतिम उत्पादनांसाठी उपयुक्तता. पहिले पायथन भाषेच्या परिचित वाक्यरचनेच्या वापराद्वारे प्राप्त केले जाते आणि दुसरे मशीन कोडवर संकलित करण्याची क्षमता, सुरक्षित मेमरी व्यवस्थापनासाठी यंत्रणा आणि गणनांच्या हार्डवेअर प्रवेगासाठी साधनांच्या वापरामुळे प्राप्त होते.

हा प्रकल्प मशीन लर्निंग डेव्हलपमेंटसाठी वापरण्यावर केंद्रित आहे, परंतु ती एक सामान्य-उद्देशीय भाषा म्हणून सादर केली गेली आहे जी सिस्टम प्रोग्रामिंगसह पायथन भाषेची क्षमता वाढवते आणि कार्यांच्या विस्तृत श्रेणीसाठी योग्य आहे. उदाहरणार्थ, भाषा उच्च कार्यक्षमता संगणन, डेटा प्रक्रिया आणि परिवर्तन यासारख्या क्षेत्रांसाठी लागू आहे. Mojo चे एक मनोरंजक वैशिष्ट्य म्हणजे ".mojo" मजकूर विस्ताराव्यतिरिक्त कोड फाइल्ससाठी विस्तार म्हणून "🔥" इमोजी चिन्ह निर्दिष्ट करण्याची क्षमता (उदाहरणार्थ, "helloworld.🔥").

सध्या, भाषेचा सखोल विकास होत आहे आणि चाचणीसाठी फक्त ऑनलाइन इंटरफेस ऑफर केला जातो. परस्परसंवादी वेब वातावरणाच्या कार्यावर अभिप्राय मिळाल्यानंतर, स्थानिक प्रणालींवर चालण्यासाठी स्वतंत्र असेंब्ली नंतर प्रकाशित करण्याचे आश्वासन दिले जाते. कंपायलर, जेआयटी आणि प्रकल्पाशी संबंधित इतर घडामोडींचा स्त्रोत कोड अंतर्गत आर्किटेक्चरची रचना पूर्ण झाल्यानंतर उघडण्याची योजना आहे (बंद दरवाजाच्या मागे कार्यरत प्रोटोटाइपचे विकास मॉडेल एलएलव्हीएम, क्लॅंगच्या विकासाच्या सुरुवातीच्या टप्प्यासारखे आहे. आणि स्विफ्ट). मोजोची वाक्यरचना पायथॉनवर आधारित असल्याने आणि टाइप सिस्टीम C/C++ च्या जवळ असल्याने, C/C++ आणि Python मध्ये लिहिलेल्या विद्यमान प्रकल्पांचे मोजोमध्ये भाषांतर करण्यासाठी तसेच विकसित करण्यासाठी एक टूलकिट विकसित करण्याची योजना भविष्यात आहे. Python कोड आणि Mojo एकत्र करणारे हायब्रिड प्रोजेक्ट.

गणनेमध्ये प्रणालीमध्ये उपलब्ध असलेल्या विषम प्रणालींच्या हार्डवेअर संसाधनांचा समावेश करण्यासाठी प्रकल्पाची रचना केली आहे. उदाहरणार्थ, GPUs, विशेष मशीन लर्निंग प्रवेगक आणि वेक्टर प्रोसेसिंग इंस्ट्रक्शन्स (SIMDs) Mojo ऍप्लिकेशन्स चालवण्यासाठी आणि समांतर गणना करण्यासाठी वापरले जाऊ शकतात. विद्यमान CPython च्या ऑप्टिमायझेशन कार्यात सामील होण्याऐवजी, Python भाषेचा एक वेगळा उपसंच विकसित करण्याचे कारण संकलित फोकस, सिस्टम प्रोग्रामिंग क्षमतांचे एकत्रीकरण आणि मूलभूतपणे भिन्न अंतर्गत आर्किटेक्चरचा वापर म्हणून नमूद केले आहे जे कोडला अनुमती देते. GPU आणि विविध हार्डवेअर प्रवेगकांवर कार्यान्वित. त्याच वेळी, मोजोच्या विकसकांचा CPython सह शक्य तितक्या सुसंगततेचे पालन करण्याचा मानस आहे.

मोजोचा वापर JIT इंटरप्रिटेशन मोडमध्ये आणि एक्झिक्युटेबल फाइल्स (AOT, अगोदर-ऑफ-टाइम) मध्ये संकलनासाठी केला जाऊ शकतो. कंपाइलरमध्ये स्वयंचलित ऑप्टिमायझेशन, कॅशिंग आणि वितरित संकलनासाठी अंगभूत आधुनिक तंत्रज्ञान आहे. मोजो भाषेतील स्त्रोत मजकूर एलएलव्हीएम प्रकल्पाद्वारे विकसित केलेल्या लो-लेव्हल इंटरमीडिएट कोड एमएलआयआर (मल्टी-लेव्हल इंटरमीडिएट रिप्रेझेंटेशन) मध्ये रूपांतरित केले जातात आणि डेटा प्रवाह आलेखाच्या प्रक्रियेस अनुकूल करण्यासाठी अतिरिक्त वैशिष्ट्ये प्रदान करतात. कंपाइलर तुम्हाला मशीन कोड व्युत्पन्न करण्यासाठी MLIR चे समर्थन करणारे विविध बॅकएंड वापरण्याची परवानगी देतो.

गणना वेगवान करण्यासाठी अतिरिक्त हार्डवेअर यंत्रणेचा वापर केल्याने, गहन गणनासह, C / C ++ अनुप्रयोगांपेक्षा जास्त कार्यप्रदर्शन साध्य करणे शक्य होते. उदाहरणार्थ, मँडलब्रॉट सेट व्युत्पन्न करण्यासाठी ऍप्लिकेशनची चाचणी करताना, संकलित मोजो ऍप्लिकेशन, AWS क्लाउड (r7iz.metal-16xl) मध्ये कार्यान्वित केल्यावर, C++ अंमलबजावणी (6 से. वि. 0.03 से.) पेक्षा 0.20 पट वेगवान होते. .), तसेच स्टॉक CPython 35 (3.10.9 sec vs 0.03 sec) वापरून Python अॅप्लिकेशनपेक्षा 1027 हजार पट वेगवान आणि PYPY (1500 सेकंद वि 0.03 सेकंद) वापरून 46.1 पट वेगवान.

मशीन लर्निंग समस्या सोडवण्याच्या क्षेत्रातील कामगिरीचे मूल्यमापन करताना, मोजो भाषेत लिहिलेला मॉड्युलर इन्फरन्स इंजिन एआय स्टॅक, टेन्सरफ्लो लायब्ररीवर आधारित सोल्यूशनच्या तुलनेत, इंटेलसह सिस्टमवर 3 पट वेगवान असल्याचे दिसून आले. भाषेच्या मॉडेलवर प्रक्रिया करताना प्रोसेसर, शिफारस जनरेशन मॉडेलची अंमलबजावणी करताना 6.4 पट वेगवान आणि व्हिज्युअल माहितीवर प्रक्रिया करण्यासाठी मॉडेलसह काम करताना 2.1 पट वेगवान. AMD प्रोसेसर वापरताना, Mojo वापरताना नफा 3.2, 5 आणि 2.2 पट होता आणि ARM प्रोसेसर वापरताना - अनुक्रमे 5.3, 7.5 आणि 1.7 पट. PyTorch-आधारित सोल्यूशन Mojo पेक्षा Intel CPU वर 1.4, 1.1 आणि 1.5 पट, AMD CPU वर 2.1, 1.2 आणि 1.5 पट आणि ARM CPU वर 4, 4.3 आणि 1.3 पटीने मागे पडले.

ही भाषा स्टॅटिक टायपिंग आणि लो-लेव्हल मेमरी-सेफ फीचर्सना सपोर्ट करते जी रस्ट फीचर्सची आठवण करून देते जसे की रेफरन्स लाईफटाईम ट्रॅकिंग आणि व्हेरिएबल बोरोइंग चेकर (बोरो चेकर). पॉइंटर्ससह सुरक्षित ऑपरेशनच्या साधनांव्यतिरिक्त, भाषा निम्न-स्तरीय कामासाठी वैशिष्ट्ये देखील प्रदान करते, उदाहरणार्थ, पॉइंटर प्रकार वापरून असुरक्षित मोडमध्ये मेमरीमध्ये थेट प्रवेश करणे, वैयक्तिक SIMD सूचनांवर कॉल करणे किंवा हार्डवेअर विस्तारांमध्ये प्रवेश करणे शक्य आहे. TensorCores आणि AMX म्हणून.

सर्व व्हेरिएबल्ससाठी स्पष्ट प्रकार व्याख्या असलेल्या फंक्शन्ससाठी क्लासिक आणि ऑप्टिमाइझ केलेल्या पायथन कोडचे पृथक्करण सुलभ करण्यासाठी, "def" ऐवजी स्वतंत्र कीवर्ड "fn" वापरण्याचा प्रस्ताव आहे. त्याचप्रमाणे क्लासेससाठी, जर तुम्हाला कंपाइलच्या वेळी मेमरीमध्ये डेटा स्टॅटिकली पॅक करायचा असेल (C प्रमाणे), "class" ऐवजी तुम्ही "struct" टाइप करू शकता. C/C ++ भाषांमध्ये फक्त मॉड्यूल्स इंपोर्ट करणे देखील शक्य आहे, उदाहरणार्थ, गणित लायब्ररीतून cos फंक्शन इंपोर्ट करण्यासाठी, तुम्ही "from "math.h" import cos निर्दिष्ट करू शकता.

स्त्रोत: opennet.ru