OpenXLA — это открытая экосистема высокопроизводительных, портативных и расширяемых компонентов инфраструктуры машинного обучения (ML), которые упрощают разработку машинного обучения за счет дефрагментации инструментов между интерфейсными платформами и аппаратными серверными компонентами. Создано лидерами отрасли в области моделирования, программного и аппаратного обеспечения искусственного интеллекта.
Как сообщество использует OpenXLA? На этой странице собраны ссылки на репозитории и проекты, использующие OpenXLA, для вдохновения и подсказок по коду!
У вас есть проект, использующий OpenXLA? Отправьте нам запрос на включение и добавьте его на эту страницу!
Рамки
- JAX — это платформа машинного обучения с API-интерфейсом, подобным NumPy, для написания высокопроизводительных моделей машинного обучения.
- PyTorch/XLA обеспечивает мост от PyTorch к OpenXLA и StableHLO.
- TensorFlow — это давняя платформа машинного обучения с большой экосистемой.
- Reactant.jl — это платформа для оптимизации и выполнения кода Julia через OpenXLA, StableHLO и MLIR.
- Платформа GoMLX ML для языка Go
- gopjrt raw XlaBuilder+PJRT-оболочка для Go: протестировано на CPU, GPU и TPU.
- gopjrt raw XlaBuilder+PJRT-оболочка для Go: протестировано на CPU, GPU и TPU.
Плагины PJRT
- libTPU позволяет моделям работать на облачных TPU Google
Краевая компиляция
- Google AI Edge использует StableHLO в качестве входного формата для развертывания на мобильных устройствах с помощью LiteRT.
- AI Edge Torch экспортирует модели PyTorch для мобильного развертывания через StableHLO
- AI Edge Torch экспортирует модели PyTorch для мобильного развертывания через StableHLO
- IREE использует StableHLO в качестве входного формата для развертывания на различных устройствах и ускорителях.
- IREE также включает плагин PJRT.
- StableHLO to CoreML преобразует модели StableHLO в CoreML от Apple для развертывания на устройствах Apple.
Инструменты и визуализация
- Model Explorer предлагает визуализацию иерархических графов с поддержкой моделей StableHLO.
