StableHLO, मशीन लर्निंग (एमएल) मॉडल में हाई-लेवल ऑपरेशन (एचएलओ) के लिए सेट किया गया ऑपरेशन है. असल में, यह अलग-अलग एमएल फ़्रेमवर्क और एमएल कंपाइलर के बीच पोर्टेबिलिटी लेयर है: StableHLO प्रोग्राम बनाने वाले एमएल फ़्रेमवर्क, StableHLO प्रोग्राम का इस्तेमाल करने वाले एमएल कंपाइलर के साथ काम करते हैं.
हमारा मकसद, मशीन लर्निंग के अलग-अलग फ़्रेमवर्क (जैसे, TensorFlow, JAX, और PyTorch) और ML कंपाइलर (जैसे कि XLA और IREE) के बीच बेहतर इंटरऑपरेबिलिटी बनाकर, मशीन लर्निंग के डेवलपमेंट को आसान बनाना है.
StableHLO, MHLO भाषा पर आधारित है और इसे सीरियलाइज़ेशन और वर्शन बनाने जैसी अन्य सुविधाओं के साथ बेहतर बनाता है. हम MLIR बाइटकोड का इस्तेमाल सीरियलाइज़ेशन फ़ॉर्मैट के तौर पर करते हैं और पीछे और आगे के काम करने की गारंटी देते हैं. इससे फ़्रेमवर्क और कंपाइलर के साथ काम करने में मदद मिलती है, भले ही StableHLO लगातार बेहतर होता जा रहा हो.
इस रिपॉज़िटरी में C++ और Python में MLIR-आधारित लागू करने के साथ-साथ StableHLO की खास बातें शामिल होती हैं, जिसका इस्तेमाल करके XLA और IREE जैसे कंपाइलर के इस्तेमाल के लिए, StableHLO प्रोग्राम तय किए जा सकते हैं.
बिल्ड के निर्देश
बिल्ड करने से जुड़े निर्देशों के लिए, GitHub पर StableHLO देखें.
कम्यूनिटी
एमएल फ़्रेमवर्क और एमएल कंपाइलर के बीच एक शानदार पोर्टेबिलिटी लेयर बनाने के लिए, पूरी एमएल इंडस्ट्री के साथ मिलकर काम करने की ज़रूरत होती है. इसलिए, हमें StableHLO प्रोजेक्ट में आपकी मदद करके खुशी होगी.
हम डेवलपमेंट को व्यवस्थित करने और लंबी बातचीत के लिए openxla-discuss करने के लिए GitHub की समस्याओं / पुल के अनुरोधों का इस्तेमाल कर रहे हैं. हमारे पास OpenXLA Discord सर्वर पर एक #stablehlo चैनल भी मौजूद है.