StableHLO הוא קבוצת פעולות לפעולות ברמה גבוהה (HLO) במודלים של למידת מכונה (ML). בעיקרון, זו שכבת ניידות בין מסגרות שונות של למידת מכונה ומהדרי למידת מכונה: מסגרות של למידת מכונה שיוצרות תוכניות StableHLO תואמות למהדרי למידת מכונה שמשתמשים בתוכניות StableHLO.
המטרה שלנו היא לפשט ולהאיץ את הפיתוח של למידת המכונה על ידי יצירת יכולת פעולה הדדית בין מסגרות שונות של למידת מכונה (כמו TensorFlow, JAX ו-PyTorch) ומהדרי למידת מכונה (כמו XLA ו-IREE).
StableHLO מבוסס על הדיאלקט של MHLO ומשפר אותו עם פונקציונליות נוספת, כולל סריאליזציה וניהול גרסאות. אנחנו משתמשים בקוד בייט של MLIR בתור פורמט סריאליזציה, ומספקים ערבות לתאימות לאחור ולפנים. כך אפשר להבטיח תאימות בין מסגרות ותמלולנים, גם כש-StableHLO ממשיך להתפתח.
המאגר הזה כולל את מפרט StableHLO יחד עם הטמעה מבוססת-MLIR ב-C++ וב-Python, שאפשר להשתמש בה כדי להגדיר תוכניות StableHLO לשימוש במהדרנים כמו XLA ו-IREE.
הוראות פיתוח
להוראות build, ראו StableHLO ב-GitHub.
קהילה
כדי ליצור שכבת ניידות מדהימה בין מסגרות למידת מכונה ומהדרי למידת מכונה, נדרש שיתוף פעולה בכל תעשיית למידת המכונה. לכן אנחנו שמחים לקבל את עזרתכם בפרויקט StableHLO.
אנחנו משתמשים בבעיות ב-GitHub ובבקשות משיכה כדי לארגן את הפיתוח, וב-openxla-discuss כדי לנהל דיונים ארוכים יותר. יש לנו גם #stablehlo
ערוץ בשרת OpenXLA ב-Discord.