LLVM सिर्जनाकर्ताले नयाँ मोजो प्रोग्रामिङ भाषा विकास गर्दछ

LLVM का संस्थापक र प्रमुख वास्तुकार र स्विफ्ट प्रोग्रामिङ भाषाका निर्माता क्रिस ल्याटनर र Tensorflow र JAX जस्ता Google AI परियोजनाका पूर्व प्रमुख टिम डेभिसले एउटा नयाँ प्रोग्रामिङ भाषा, मोजो पेश गरेका छन्, जसले अनुसन्धान विकासका लागि प्रयोगमा सहजताको संयोजन गर्दछ। उच्च प्रदर्शन अन्त्य उत्पादनहरू निर्माण गर्ने सम्भाव्यताको साथ द्रुत प्रोटोटाइप। पहिलो पाइथन भाषाको परिचित सिन्ट्याक्सको प्रयोग मार्फत हासिल गरिएको छ, र दोस्रो मेशिन कोडमा कम्पाइल गर्ने क्षमता, मेमोरी-सेफ मेकानिजमहरू, र हार्डवेयर एक्सेलेरेशन उपकरणहरूको प्रयोग मार्फत।

यो परियोजना मेसिन लर्निङको क्षेत्रमा विकासको लागि प्रयोगमा केन्द्रित छ, तर यसलाई एक सामान्य-उद्देश्यीय भाषाको रूपमा प्रस्तुत गरिएको छ जसले प्रणाली प्रोग्रामिङ उपकरणहरूसँग पाइथनको क्षमताहरू विस्तार गर्दछ र कार्यहरूको विस्तृत दायराको लागि उपयुक्त छ। उदाहरणका लागि, भाषा उच्च प्रदर्शन कम्प्युटिङ, डाटा प्रोसेसिङ र रूपान्तरण जस्ता क्षेत्रमा लागू हुन्छ। Mojo को एउटा चाखलाग्दो विशेषता भनेको इमोजी क्यारेक्टर "🔥" कोड फाइलहरू (उदाहरणका लागि, "helloworld.🔥"), टेक्स्ट एक्सटेन्सन ".mojo" को अतिरिक्त विस्तारको रूपमा निर्दिष्ट गर्ने क्षमता हो।

हाल, भाषा गहन विकासको चरणमा छ र केवल अनलाइन इन्टरफेस परीक्षणको लागि प्रस्ताव गरिएको छ। अन्तरक्रियात्मक वेब वातावरणको सञ्चालनको बारेमा प्रतिक्रिया प्राप्त गरेपछि स्थानीय प्रणालीहरूमा चलाउनको लागि छुट्टै सम्मेलनहरू पछि प्रकाशित गर्ने वाचा गरिन्छ। कम्पाइलर, JIT र परियोजनासँग सम्बन्धित अन्य विकासहरूका लागि स्रोत कोड आन्तरिक वास्तुकला पूरा भएपछि खोल्ने योजना बनाइएको छ (बंद ढोका पछाडि काम गर्ने प्रोटोटाइप विकास गर्ने मोडेलले LLVM, क्ल्यांग र विकासको प्रारम्भिक चरणको सम्झना दिलाउँछ। स्विफ्ट)। मोजो सिन्ट्याक्स पाइथन भाषामा आधारित भएको हुनाले, र टाइप प्रणाली C/C++ को नजिक छ, भविष्यमा तिनीहरूले C/C++ र Python मा Mojo मा लेखिएका अवस्थित परियोजनाहरूको अनुवादलाई सरल बनाउन उपकरणहरू विकास गर्ने योजना बनाएका छन्। पाइथन कोड र मोजो मिलाएर हाइब्रिड परियोजनाहरू विकास गर्न।

परियोजना गणना प्रदर्शनमा विषम प्रणालीहरूको उपलब्ध हार्डवेयर स्रोतहरू समावेश गर्न डिजाइन गरिएको हो। उदाहरणका लागि, GPUs, विशेष मेसिन लर्निङ एक्सेलेटरहरू, र प्रोसेसर इन्स्ट्रक्शन भेक्टरहरू (SIMD) Mojo अनुप्रयोगहरू चलाउन र गणनाहरू समानान्तर गर्न प्रयोग गर्न सकिन्छ। अवस्थित CPython अप्टिमाइजेसन कार्यमा सामेल हुनुको सट्टा पाइथन भाषाको छुट्टै उपसमूहको विकासको लागि दिइएको कारणहरू संकलनमा फोकस, प्रणाली प्रोग्रामिङ क्षमताहरूको एकीकरण, र मौलिक रूपमा फरक आन्तरिक वास्तुकलाको प्रयोग समावेश गर्दछ जसले कोड GPU हरूमा चल्न अनुमति दिन्छ। हार्डवेयर प्रवेगकहरू। जे होस्, मोजो विकासकर्ताहरू सकेसम्म CPython सँग मिल्दो रहन चाहन्छन्।

मोजोलाई JIT प्रयोग गरी व्याख्या मोडमा र कार्यान्वयनयोग्य फाइलहरू (AOT, अगाड-अफ-टाइम) दुवैमा प्रयोग गर्न सकिन्छ। कम्पाइलरसँग स्वचालित अप्टिमाइजेसन, क्यासिङ र वितरित संकलनका लागि आधुनिक प्रविधिहरू छन्। मोजो भाषामा स्रोत पाठहरूलाई निम्न-स्तर मध्यवर्ती कोड MLIR (बहु-स्तर मध्यवर्ती प्रतिनिधित्व) मा रूपान्तरण गरिएको छ, LLVM परियोजना द्वारा विकसित र डाटा प्रवाह ग्राफको प्रशोधनलाई अनुकूलन गर्न थप क्षमताहरू प्रदान गर्दछ। कम्पाइलरले तपाईंलाई विभिन्न ब्याकइन्डहरू प्रयोग गर्न अनुमति दिन्छ जसले मेसिन कोड उत्पन्न गर्न MLIR समर्थन गर्दछ।

गणनाको गति बढाउनको लागि अतिरिक्त हार्डवेयर मेकानिजमहरूको प्रयोगले गहन गणनाको क्रममा C/C++ अनुप्रयोगहरू भन्दा उत्कृष्ट कार्यसम्पादन हासिल गर्न सम्भव बनाउँछ। उदाहरणका लागि, Mandelbrot सेट उत्पन्न गर्नको लागि अनुप्रयोग परीक्षण गर्दा, AWS क्लाउड (r7iz.metal-16xl) मा कार्यान्वयन गर्दा मोजो भाषामा एक कम्पाइल गरिएको अनुप्रयोग C++ (०.०३ सेकेन्ड बनाम) मा कार्यान्वयन भन्दा ६ गुणा छिटो भयो। ०.२० सेकेन्ड), र मानक CPython ३.१०.९ (०.०३ सेकेन्ड बनाम १०२७ सेकेन्ड) प्रयोग गर्दा पाइथन अनुप्रयोग भन्दा ३५ हजार गुणा छिटो र PYPY (०.०३ सेकेन्ड बनाम ४६.१ सेकेन्ड) प्रयोग गर्दा १५०० गुणा छिटो। ।

मेसिन लर्निङ समस्याहरू समाधान गर्ने क्षेत्रमा कार्यसम्पादन मूल्याङ्कन गर्दा, मोजो भाषामा लेखिएको एआई स्ट्याक मोड्युलर इन्फरेन्स इन्जिन, टेन्सरफ्लो लाइब्रेरीमा आधारित समाधानको तुलनामा, प्रणालीमा भाषा मोडेल प्रशोधन गर्दा ३ गुणा छिटो थियो। एक Intel प्रोसेसर, 3 गुणा छिटो सिफारिस उत्पादन मोडेलको कार्यान्वयन प्रक्रिया गर्दा र 6.4 गुणा छिटो दृश्य जानकारी प्रशोधन गर्न मोडेलहरूसँग काम गर्दा। AMD प्रोसेसरहरू प्रयोग गर्दा, Mojo प्रयोग गर्दा लाभहरू 2.1, 3.2 र 5 पटक थिए, र ARM प्रोसेसरहरू प्रयोग गर्दा - क्रमशः 2.2, 5.3 र 7.5 पटक। PyTorch-आधारित समाधान Intel CPUs मा Mojo 1.7, 1.4 र 1.1 पटक, AMD CPUs मा 1.5, 2.1 र 1.2 पटक र ARM CPU मा 1.5, 4 र 4.3 पटक पछि पर्यो।

भाषाले स्थिर टाइपिङ र रस्टको सम्झना गराउने निम्न-स्तर मेमोरी-सुरक्षित सुविधाहरूलाई समर्थन गर्दछ, जस्तै सन्दर्भ जीवनभर ट्र्याकिङ र उधारो परीक्षक। सूचकहरूसँग सुरक्षित कामका लागि सुविधाहरूको अतिरिक्त, भाषाले निम्न-स्तरको कामका लागि सुविधाहरू पनि प्रदान गर्दछ, उदाहरणका लागि, पोइन्टर प्रकार प्रयोग गरेर असुरक्षित मोडमा मेमोरीमा प्रत्यक्ष पहुँच, व्यक्तिगत SIMD निर्देशनहरू कल गर्ने, वा TensorCores र AMX जस्ता हार्डवेयर विस्तारहरू पहुँच गर्ने। ।

सबै चरहरूको लागि स्पष्ट प्रकार परिभाषाहरूसँग प्रकार्यहरूका लागि क्लासिक र अनुकूलित पाइथन कोडको विभाजनलाई सरल बनाउन, "def" को सट्टा छुट्टै कुञ्जी शब्द "fn" प्रयोग गर्न प्रस्ताव गरिएको छ। त्यसैगरी कक्षाहरूका लागि, यदि तपाइँलाई संकलनको क्रममा मेमोरीमा डेटा स्थिर रूपमा प्याक गर्न आवश्यक छ (जस्तै C मा), तपाइँ "class" को सट्टा "struct" प्रकार प्रयोग गर्न सक्नुहुन्छ। यो केवल C/C++ भाषाहरूमा मोड्युलहरू आयात गर्न सम्भव छ, उदाहरणका लागि, गणित पुस्तकालयबाट cos प्रकार्य आयात गर्न, तपाईंले "math.h" आयात cos" बाट निर्दिष्ट गर्न सक्नुहुन्छ।

स्रोत: opennet.ru