StableHLO 是適用於機器學習 (ML) 模型高階作業 (HLO) 的作業集。基本上，這是不同機器學習架構和機器學習編譯器之間的可攜性層：產生 StableHLO 程式的機器學習架構與使用 StableHLO 程式的機器學習編譯器相容。
我們的目標是讓各種機器學習架構 (如 TensorFlow、JAX 和 PyTorch) 與機器學習編譯器 (例如 XLA 和 IREE) 之間建立更互通的互通性，藉此簡化及加快機器學習開發速度。
StableHLO 是以 MHLO 方言為基礎，並搭配序列化和版本管理等其他功能加以強化。我們使用 MLIR 位元碼做為序列化格式，並提供回溯和前瞻相容性保證。即使 StableHLO 持續發展，這也可確保架構和編譯器之間的相容性。
此存放區包含 StableHLO 規格以及以 MLIR 為基礎的 C++ 和 Python 實作，可用來定義 XLA 和 IREE 等編譯器使用的 StableHLO 程式。
建構指示
如需建構操作說明，請參閱 GitHub 上的 StableHLO 一文。
社群
如要在機器學習架構和機器學習編譯器之間建立出色的可攜性層，您必須與整個機器學習產業攜手合作，因此我們很樂意協助您執行 StableHLO 專案。
我們使用 GitHub 問題 / 提取要求來管理開發，並使用 openxla-discuss 詳加討論。我們也在 OpenXLA Discord 伺服器上提供 #stablehlo 版本。