StableHLO adalah operasi yang ditetapkan untuk operasi tingkat tinggi (HLO) dalam model machine learning (ML). Pada dasarnya, ini adalah lapisan portabilitas antara framework ML yang berbeda dan compiler ML: Framework ML yang menghasilkan program StableHLO kompatibel dengan compiler ML yang menggunakan program StableHLO.
Tujuan kami adalah menyederhanakan dan mempercepat pengembangan ML dengan menciptakan lebih banyak interoperabilitas antara berbagai framework ML (seperti TensorFlow, JAX, dan PyTorch) dan compiler ML (seperti XLA dan IREE).
StableHLO didasarkan pada dialek MHLO dan meningkatkannya dengan fungsi tambahan, termasuk serialisasi dan pembuatan versi. Kami menggunakan bytecode MLIR sebagai format serialisasi dan memberikan jaminan kompatibilitas mundur dan maju. Hal ini memastikan kompatibilitas antara framework dan compiler, meskipun StableHLO terus berkembang.
Repositori ini mencakup spesifikasi StableHLO beserta implementasi berbasis MLIR di C++ dan Python, yang dapat Anda gunakan untuk menentukan program StableHLO agar dapat digunakan oleh compiler seperti XLA dan IREE.
Petunjuk build
Lihat StableHLO di GitHub untuk mengetahui petunjuk build.
Komunitas
Membangun lapisan portabilitas yang luar biasa antara framework ML dan compiler ML memerlukan kolaborasi dari seluruh industri ML. Jadi, kami senang menerima bantuan Anda dalam project StableHLO.
Kami menggunakan masalah GitHub / permintaan pull untuk mengatur pengembangan dan
openxla-discuss
untuk diskusi yang lebih panjang. Kami juga memiliki saluran #stablehlo
di server Discord OpenXLA.