DeepMind खुला स्रोत S6, CPython को लागि JIT कम्पाइलर कार्यान्वयन भएको पुस्तकालय

कृत्रिम बुद्धिमत्ताको क्षेत्रमा यसको विकासका लागि परिचित DeepMind ले S6 परियोजनाको स्रोत कोड खोलेको छ, जसले पाइथन भाषाको लागि JIT कम्पाइलर विकास गर्‍यो। परियोजना रोचक छ किनभने यो एक विस्तार पुस्तकालयको रूपमा डिजाइन गरिएको छ जुन मानक CPython सँग एकीकृत हुन्छ, CPython सँग पूर्ण अनुकूलता सुनिश्चित गर्दै र अनुवादक कोड परिमार्जन आवश्यक पर्दैन। परियोजना २०१९ देखि विकास भइरहेको छ, तर दुर्भाग्यवश यो बन्द भएको थियो र अब विकास भइरहेको छैन। सिर्जना गरिएका विकासहरू पाइथन सुधार गर्नका लागि उपयोगी हुनसक्ने हुनाले, यो कोड खुला स्रोत गर्ने निर्णय गरियो। JIT कम्पाइलर कोड C++ मा लेखिएको छ र CPython 2019 मा आधारित छ। र Apache 3.7 लाइसेन्स अन्तर्गत खुला स्रोत हो।

यसले समाधान गर्न सक्ने कार्यहरूको सन्दर्भमा, पाइथनको लागि S6 ले JavaScript को लागि V8 इन्जिनसँग तुलना गर्दछ। पुस्तकालयले अवस्थित बाइटकोड अनुवादक ह्यान्डलर ceval.c लाई यसको आफ्नै कार्यान्वयनको साथ प्रतिस्थापन गर्दछ जसले कार्यान्वयनको गति बढाउन JIT संकलन प्रयोग गर्दछ। S6 ले हालको प्रकार्य पहिले नै कम्पाइल गरिएको छ कि छैन भनेर जाँच गर्दछ र यदि त्यसो हो भने, कम्पाइल गरिएको कोड कार्यान्वयन गर्छ, र यदि होइन भने, CPython दोभाषे जस्तै, बाइटकोड व्याख्या मोडमा कार्य चलाउँछ। व्याख्याको बखत, प्रशोधन भइरहेको प्रकार्यसँग सम्बन्धित कार्यान्वयन गरिएका निर्देशनहरू र कलहरूको संख्या गणना गरिन्छ। एक निश्चित माइलस्टोनमा पुगेपछि, बारम्बार निष्पादित कोडलाई गति दिनको लागि संकलन प्रक्रिया प्रारम्भ गरिन्छ। कम्पाइलेशनलाई मध्यवर्ती स्ट्रङ्गजिट प्रतिनिधित्वमा गरिन्छ, जुन, अनुकूलन पछि, asmjit पुस्तकालय प्रयोग गरेर लक्ष्य प्रणालीको मेसिन निर्देशनहरूमा रूपान्तरण हुन्छ।

कार्यभारको प्रकृतिमा निर्भर गर्दै, इष्टतम अवस्थामा S6 ले नियमित CPython को तुलनामा 9.5 गुणा सम्मको परीक्षण कार्यान्वयन गतिमा वृद्धि देखाउँछ। रिचर्ड्स टेस्ट सुइटको 100 पुनरावृत्तिहरू चलाउँदा, 7x स्पीडअप अवलोकन गरिन्छ, र Raytrace परीक्षण चलाउँदा, जसमा ठूलो मात्रामा गणितीय गणनाहरू समावेश हुन्छन्, 3-4.5x स्पीडअप अवलोकन गरिन्छ।

S6 प्रयोग गरी अनुकूलन गर्न गाह्रो हुने कार्यहरू मध्ये C API प्रयोग गर्ने परियोजनाहरू, जस्तै NumPy, साथै ठूलो संख्याको मानहरूको प्रकारहरू जाँच गर्न आवश्यकसँग सम्बन्धित कार्यहरू छन्। पाइथन इन्टरप्रिटरको S6 को आफ्नै अप्टिमाइज्ड कार्यान्वयनको प्रयोगको कारणले संसाधन-गहन कार्यहरूको एकल कलहरूको लागि पनि कम प्रदर्शन देखाइएको छ (विकास व्याख्या मोडलाई अनुकूलन गर्ने चरणमा पुगेको छैन)। उदाहरणका लागि, अनप्याक सिक्वेन्स टेस्टमा, जसले एरे/ट्युपल्सका ठूला सेटहरू अनप्याक गर्छ, एकल कलको साथमा ५ पटकसम्मको ढिलो हुन्छ, र चक्रीय कलको साथ CPython बाट ०.९७ हुन्छ।

स्रोत: opennet.ru