StableHLO es un conjunto de operaciones para operaciones de alto nivel (HLO) en modelos de aprendizaje automático (AA). En esencia, es una capa de portabilidad entre diferentes frameworks de AA y compiladores de AA: los frameworks de AA que producen programas StableHLO son compatibles con los compiladores de AA que consumen programas StableHLO.
Nuestro objetivo es simplificar y acelerar el desarrollo del AA creando una mayor interoperabilidad entre varios frameworks de AA (como TensorFlow, JAX y PyTorch) y compiladores de AA (como IREE y XLA).
StableHLO se basa en el dialecto MHLO y lo mejora con funciones adicionales, que incluyen la serialización y el control de versiones. Usamos el código de bytes MLIR como formato de serialización y proporcionamos garantías de compatibilidad con versiones anteriores y posteriores. Esto garantiza la compatibilidad entre frameworks y compiladores, incluso mientras StableHLO continúa evolucionando.
Este repositorio incluye la especificación de StableHLO junto con una implementación basada en MLIR en C++ y Python, que puedes usar para definir programas StableHLO para el consumo por parte de compiladores como IREE y XLA.
Compila instrucciones
Consulta StableHLO en GitHub para obtener instrucciones de compilación.
Comunidad
La creación de una asombrosa capa de portabilidad entre frameworks de AA y compiladores de AA requiere la colaboración de toda la industria del AA, por lo que nos complace tener tu ayuda con el proyecto StableHLO.
Usamos los problemas y las solicitudes de extracción de GitHub para organizar el desarrollo y openxla-discuss para tener debates más extensos. También tenemos un canal #stablehlo en el servidor de Discord de OpenXLA.