StableHLO היא פעולה שמוגדרת לפעולות ברמה גבוהה (HLO) במודלים של למידת מכונה (ML). בעיקרון, זו שכבת ניידות בין מסגרות ML שונות ומהדרים של ML: מסגרות של ML שיוצרות תוכנות StableHLO תואמות למהדרים של ML שצורכים תוכנות StableHLO.
המטרה שלנו היא לפשט ולהאיץ את פיתוח למידת המכונה באמצעות יצירת יותר יכולת פעולה הדדית בין מסגרות שונות של ML (כמו TensorFlow, JAX ו-PyTorch) ומהדרים של למידת מכונה (כמו XLA ו-IREE).
פלטפורמת StableHLO מבוססת על דיאלקט ה-MHLO ומשפרת אותו עם פונקציונליות נוספת, כולל סריאליזציה וניהול גרסאות. אנחנו משתמשים בקוד הבייט של MLIR כפורמט סריאליזציה, ומספקים תאימות לאחור והעברה. כך אפשר להבטיח תאימות בין frameworks לבין מהדרים, גם במהלך הפיתוח של StableHLO.
המאגר הזה כולל את מפרט StableHLO יחד עם הטמעה מבוססת MLIR ב-C++ וב-Python, שבה אפשר להשתמש כדי להגדיר תוכניות StableHLO לצריכה על ידי מהדרים כמו XLA ו-IREE.
הוראות build
הוראות לפיתוח מפורטות ב-StableHLO ב-GitHub.
מעורבות
כדי לפתח שכבת ניידות מדהימה בין מסגרות למידת מכונה ומהדרים של למידת מכונה, צריך שיתוף פעולה בין כל תעשיית למידת המכונה, ולכן נשמח לקבל מכם עזרה בפרויקט StableHLO.
אנחנו משתמשים בבעיות ב-GitHub או מושכים בקשות כדי לארגן את הפיתוח, וגם כדי לנהל דיונים ארוכים יותר.openxla-discuss יש לנו גם ערוץ #stablehlo בשרת OpenXLA Discord.