উৎস থেকে তৈরি করুন

এই নথিটি বর্ণনা করে কিভাবে XLA উপাদানগুলি তৈরি করতে হয়।

আপনি যদি XLA সংগ্রহস্থল ক্লোন না করেন বা Bazel ইনস্টল না করেন, তাহলে অনুগ্রহ করে README নথির "শুরু করুন" বিভাগটি দেখুন।

লিনাক্স

সজ্জিত করা

XLA বিল্ডগুলি সংগ্রহস্থলের রুট ডিরেক্টরিতে .bazelrc ফাইল দ্বারা কনফিগার করা হয়। ./configure.py স্ক্রিপ্টটি সাধারণ সেটিংস সামঞ্জস্য করতে ব্যবহার করা যেতে পারে।

আপনি যদি কনফিগারেশন পরিবর্তন করতে চান, সংগ্রহস্থলের রুট ডিরেক্টরি থেকে ./configure.py স্ক্রিপ্টটি চালান। এই স্ক্রিপ্টে XLA নির্ভরতার অবস্থান এবং অতিরিক্ত বিল্ড কনফিগারেশন বিকল্পগুলির জন্য পতাকা রয়েছে (উদাহরণস্বরূপ কম্পাইলার পতাকা)। বিস্তারিত জানার জন্য নমুনা অধিবেশন বিভাগে পড়ুন.

CPU সমর্থন

আমরা XLA তৈরি/পরীক্ষা করার জন্য একটি উপযুক্ত ডকার কন্টেইনার ব্যবহার করার পরামর্শ দিই, যেমন TensorFlow এর ডকার কন্টেইনার :

docker run --name xla -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash

একটি ডকার কন্টেইনার ব্যবহার করে আপনি নিম্নলিখিত কমান্ডগুলি ব্যবহার করে CPU সমর্থন সহ XLA তৈরি করতে পারেন:

docker exec xla ./configure.py --backend=CPU
docker exec xla bazel build //xla/...  --spawn_strategy=sandboxed --test_output=all

আপনি যদি ডকার ছাড়া সিপিইউ সমর্থন সহ XLA লক্ষ্যগুলি তৈরি করতে চান তবে আপনাকে ক্ল্যাং ইনস্টল করতে হবে। XLA বর্তমানে ক্ল্যাং -17 সহ সিআই-তে তৈরি করে, তবে আগের সংস্করণগুলিও কাজ করা উচিত:

apt install clang

তারপর নিম্নলিখিত কমান্ডগুলি ব্যবহার করে লক্ষ্যগুলি কনফিগার করুন এবং তৈরি করুন:

./configure.py --backend=CPU
bazel build --test_output=all --spawn_strategy=sandboxed //xla/...

GPU সমর্থন

আমরা GPU সমর্থন সহ XLA তৈরি করতে উপরের মতো একই ডকার কন্টেইনার ব্যবহার করার পরামর্শ দিই:

docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash

GPU সমর্থন সহ XLA তৈরি করতে নিম্নলিখিত কমান্ডটি ব্যবহার করুন:

docker exec xla_gpu ./configure.py --backend=CUDA
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...

আপনি যদি ডকার ছাড়াই GPU সমর্থন সহ XLA লক্ষ্যগুলি তৈরি করতে চান তবে আপনাকে নিম্নলিখিত অতিরিক্ত নির্ভরতাগুলি ইনস্টল করতে হবে: cuda-12.3 , cuDNN-8.9 ।

তারপর নিম্নলিখিত কমান্ডগুলি ব্যবহার করে লক্ষ্যগুলি কনফিগার করুন এবং তৈরি করুন:

./configure.py --backend=CUDA

bazel build --test_output=all --spawn_strategy=sandboxed //xla/...

TensorFlow-এর GPU ডকার ইমেজ সংক্রান্ত আরও বিশদ বিবরণের জন্য আপনি এই নথিটি পরীক্ষা করে দেখতে পারেন।