หน้านี้ได้รับการแปลโดย Cloud Translation API

คู่มือนักพัฒนาซอฟต์แวร์ XLA

คู่มือนี้จะแสดงวิธีเริ่มต้นพัฒนาโปรเจ็กต์ XLA

ก่อนเริ่มต้น โปรดทำตามขั้นตอนเบื้องต้นต่อไปนี้

จากนั้นทำตามขั้นตอนด้านล่างเพื่อรับซอร์สโค้ด ตั้งค่าสภาพแวดล้อม สร้างที่เก็บ และสร้างคำขอพุล

รับโค้ด

สร้างส้อมของที่เก็บ XLA
โคลนส้อมของที่เก็บ โดยแทนที่ <USER> ด้วยชื่อผู้ใช้ GitHub:
```
git clone <a href="https://github.com/">https://github.com/</a><USER>/xla.git
```
เปลี่ยนเป็นไดเรกทอรี xla: cd xla

กำหนดค่าที่เก็บอัปสตรีมระยะไกลดังนี้

git remote add upstream <a href="https://github.com/openxla/xla.git">https://github.com/openxla/xla.git</a>

ติดตั้ง Bazel

คุณต้องติดตั้ง Bazel เพื่อสร้าง XLA วิธีที่แนะนำในการติดตั้ง Bazel คือการใช้ Bazelisk ซึ่งจะดาวน์โหลด Bazel เวอร์ชันที่ถูกต้องสำหรับ XLA โดยอัตโนมัติ หาก Bazelisk ไม่พร้อมใช้งาน คุณสามารถติดตั้ง Bazel ด้วยตัวเองได้
สร้างและเรียกใช้คอนเทนเนอร์ TensorFlow Docker

หากต้องการรับอิมเมจ TensorFlow Docker สำหรับ CPU ให้เรียกใช้คำสั่งต่อไปนี้
```
docker run --name xla -w /xla -it -d --rm -v $PWD:/xla tensorflow/build:latest-python3.9 bash
```
หรือหากต้องการรับอิมเมจ TensorFlow Docker สำหรับ GPU ให้เรียกใช้คำสั่งต่อไปนี้
```
docker run --name xla_gpu -w /xla -it -d --rm -v $PWD:/xla tensorflow/tensorflow:devel-gpu bash
```

สร้างมาเพื่อ CPU:

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

สร้างมาเพื่อ GPU:

docker exec -e TF_NEED_CUDA=1 xla_gpu ./configure
docker exec xla_gpu bazel build --test_output=all --spawn_strategy=sandboxed //xla/...

บิลด์แรกของคุณจะใช้เวลาสักพักเนื่องจากต้องสร้างทั้งสแต็ก ซึ่งรวมถึง XLA, MLIR และ StableHLO

ดูข้อมูลเพิ่มเติมเกี่ยวกับการสร้าง XLA ได้ที่สร้างจากแหล่งที่มา

เมื่อคุณพร้อมที่จะส่งการเปลี่ยนแปลงเข้ารับการตรวจสอบ ให้สร้างคำขอแบบพุล

หากต้องการเรียนรู้เกี่ยวกับปรัชญาการตรวจสอบโค้ด XLA โปรดดูรีวิวโค้ด