StableHLO هي عملية مجموعة للعمليات عالية المستوى (HLO) في نماذج تعلّم الآلة (ML). وفي الأساس، هي طبقة قابلة للنقل بين أطر عمل تعلُّم الآلة المختلفة وبرامج تجميع تكنولوجيا تعلُّم الآلة: إنّ أُطر عمل تعلُّم الآلة التي تُنتج برامج StableHLO متوافقة مع برامج تجميع تعلُّم الآلة التي تستهلك برامج StableHLO.
يتمثّل هدفنا في تبسيط تطوير تعلُّم الآلة وتسريعه من خلال توفير المزيد من إمكانية التشغيل التفاعلي بين إطارات عمل تعلُّم الآلة المختلفة (مثل TensorFlow وJAX وPyTorch) وبرامج تجميع تعلُّم الآلة (مثل XLA وIREE).
يعتمد StableHLO على لهجة MHLO وتحسّنها بوظائف إضافية، بما في ذلك التسلسل وإصدار الإصدارات. نحن نستخدم رمز بايت لـ MLIR كـ تنسيق تسلسلي ونوفر ضمانات للتوافق للأمام والخلف. ويضمن ذلك التوافق بين أطر العمل وبرامج التجميع، حتى مع استمرار تطوّر StableHLO.
يتضمن هذا المستودع مواصفات StableHLO إلى جانب التنفيذ المستند إلى MLIR في لغة C++ وPython، والتي يمكنك استخدامها لتحديد برامج StableHLO لاستهلاكها برامج التحويل البرمجي مثل XLA وIREE.
تعليمات الإصدار
اطّلع على StableHLO على GitHub للحصول على تعليمات الإنشاء.
مشاركات في "المنتدى"
يتطلّب إنشاء طبقة نقل رائعة بين أطر عمل تعلُّم الآلة وبرامج تجميع تكنولوجيا تعلُّم الآلة التعاون في مجال تكنولوجيا تعلُّم الآلة بالكامل، لذلك يسعدنا تقديم مساعدتك لنا في مشروع StableHLO.
نحن نستخدم مشاكل GitHub / سحب الطلبات لتنظيم التطوير وopenxla-discuss
لإجراء مناقشات أطول. ولدينا أيضًا قناة #stablehlo على خادم OpenXLA Discord.