StableHLO — это набор операций для операций высокого уровня (HLO) в моделях машинного обучения (ML). По сути, это уровень переносимости между различными платформами машинного обучения и компиляторами машинного обучения: платформы машинного обучения, создающие программы StableHLO, совместимы с компиляторами машинного обучения, которые используют программы StableHLO.
Наша цель — упростить и ускорить разработку машинного обучения за счёт обеспечения большей совместимости между различными платформами машинного обучения (такими как TensorFlow, JAX и PyTorch) и компиляторами машинного обучения (такими как XLA и IREE).
StableHLO основан на диалекте MHLO и расширяет его дополнительными функциями, включая сериализацию и управление версиями. Мы используем байт-код MLIR в качестве формата сериализации и обеспечиваем гарантии обратной и прямой совместимости . Это обеспечивает совместимость между платформами и компиляторами, даже несмотря на то, что StableHLO продолжает развиваться.
Этот репозиторий включает спецификацию StableHLO, а также реализацию на основе MLIR на C++ и Python, которую можно использовать для определения программ StableHLO для использования такими компиляторами, как XLA и IREE.
Инструкции по сборке
Инструкции по сборке см. в StableHLO на GitHub .
Сообщество
Создание потрясающего уровня переносимости между платформами машинного обучения и компиляторами машинного обучения требует сотрудничества всей отрасли машинного обучения, поэтому мы будем рады вашей помощи в проекте StableHLO.
Мы используем задачи/запросы на включение GitHub для организации разработки и openxla-discuss для более продолжительных обсуждений. У нас также есть канал #stablehlo на сервере OpenXLA Discord .