ترټولو لوی شرکتونه چې د ماشین زده کړې په برخه کې پرمختګ کې ښکیل دي د OpenXLA پروژه وړاندې کړه، چې موخه یې د ماشین زده کړې سیسټمونو لپاره د ماډلونو تالیف او اصلاح کولو لپاره د وسیلو ګډ پرمختګ دی. پروژې د وسیلو پراختیا په غاړه اخیستې چې دا ممکنه کوي چې په مختلف GPUs او ځانګړي سرعت کونکو کې د مؤثره روزنې او اجرا کولو لپاره د TensorFlow, PyTorch او JAX چوکاټونو کې چمتو شوي ماډلونو تالیف متحد کړي. شرکتونه لکه ګوګل، NVIDIA، AMD، Intel، Meta، Apple، Arm، Alibaba او Amazon د پروژې په ګډ کار کې برخه اخیستې ده.
تمه کیږي چې د مخکښو څیړنیزو ټیمونو او د ټولنې استازو هڅو په یوځای کولو سره، دا به ممکنه وي چې د ماشین زده کړې سیسټمونو پراختیا ته وده ورکړي او د بیلابیلو چوکاټونو او تجهیزاتو لپاره د زیربناوو د ویش ستونزه حل کړي. OpenXLA تاسو ته اجازه درکوي د مختلف هارډویر لپاره مؤثره ملاتړ پلي کړئ، پرته لدې چې چوکاټ په کوم کې چې د ماشین زده کړې ماډل رامینځته شوی. OpenXLA تمه کیږي چې د ماډل روزنې وخت کم کړي، ټرپټ زیات کړي، ځنډ کم کړي، د کمپیوټر لګښتونه کم کړي او بازار ته وخت کم کړي.
OpenXLA درې اصلي برخې لري، کوم چې کوډ یې د اپاچي 2.0 جواز لاندې ویشل شوی دی:
- XLA (ګړندی لاین الجبرا) یو تالیف کونکی دی چې تاسو ته اجازه درکوي په مختلف هارډویر پلیټ فارمونو کې د لوړ فعالیت اجرا کولو لپاره د ماشین زده کړې ماډلونه اصلاح کړئ ، پشمول د GPUs ، CPUs او د مختلف تولید کونکو څخه ځانګړي سرعت کونکي.
- StableHLO د ماشین زده کړې سیسټم ماډلونو کې د کارولو لپاره د لوړې کچې عملیاتو (HLO، لوړې کچې عملیاتو) سیټ توضیحات او لومړني پلي کول دي. د ماشین زده کړې چوکاټونو او تالیف کونکو ترمینځ د پرت په توګه عمل کوي چې په ځانګړي هارډویر کې د اجرا کولو ماډل بدلوي. په StableHLO بڼه کې د ماډلونو تولید لپاره پرتونه د PyTorch، TensorFlow او JAX چوکاټونو لپاره چمتو شوي. د MHLO سیټ د StableHLO د اساس په توګه کارول کیږي، کوم چې د سیریل کولو او نسخې مالتړ لپاره غزول شوی.
- IREE (منځنۍ نمایندګۍ اجرا کولو چاپیریال) یو تالیف کونکی او د چلولو وخت دی چې د ماشین زده کړې ماډلونه د LLVM پروژې څخه د MLIR (د څو درجې مینځنۍ نماینده ګۍ) فارمیټ پراساس یو نړیوال منځمهاله نمایش ته بدلوي. په ب featuresو کې د دمخه تالیف امکان (د وخت څخه دمخه) ، د جریان کنټرول ملاتړ ، په ماډلونو کې د متحرک عناصرو کارولو وړتیا ، د مختلف CPUs او GPUs لپاره اصلاح کول ، او ټیټ سر شامل دي.
د OpenXLA Toolkit اصلي ګټې:
- د وسیلې ځانګړي کوډ لیکلو په اړه اندیښنه پرته مطلوب فعالیت ترلاسه کړئ. د چمتو شوي اصلاح چمتو کول ، پشمول د الجبریک بیانونو ساده کول ، د حافظې موثر ځای کول ، د اجرا کولو مهالویش په پام کې نیولو سره د حافظې لوړ مصرف کمول او ډیر بار.
- د اندازه کولو ساده کول او د محاسبې موازي کول. پراختیا کونکی یوازې اړتیا لري د انتقادي ټینسرونو فرعي سیټ لپاره توضیحات اضافه کړي ، د کوم پراساس چې کمپیلر کولی شي په اوتومات ډول د موازي کمپیوټر لپاره کوډ رامینځته کړي.
- د مختلف هارډویر پلیټ فارمونو لکه AMD او NVIDIA GPUs ، x86 او ARM CPUs ، TPU ګوګل ML سرعت کونکي ، AWS ټرینیم انفرینشیا IPUs ، ګرافکور او سیریبراس ویفر سکیل انجن لپاره د ملاتړ سره پورټ وړتیا ډاډمن کړئ.
- د اضافي ب featuresو پلي کولو سره د تمدیدونو وصل کولو ملاتړ ، لکه د موازي کمپیوټري کولو لپاره د CUDA ، HIP ، SYCL ، Triton او نورو ژبو په کارولو سره د ژور ماشین زده کړې لومړني لیکلو ملاتړ. په موډلونو کې د خنډونو د لاسي ټوننګ امکان.
سرچینه: opennet.ru
