OpenXLA هو نظام إيكولوجي مترجم ML مفتوح المصدر تم تطويره بشكل مشترك
في الآونة الأخيرة، عرض أكبر الشركات العاملة في مجال التطوير في مجال التعلم الآلي المشروع OpenXLA، تهدف إلى التطوير المشترك للأدوات لتجميع النماذج وتحسينها لأنظمة التعلم الآلي.
تولى المشروع مسؤولية تطوير الأدوات التي تسمح بتوحيد تجميع النماذج المعدة في أطر TensorFlow و PyTorch و JAX للتدريب والتنفيذ الفعال على وحدات معالجة الرسوميات المختلفة والمسرعات المتخصصة. انضمت شركات مثل Google و NVIDIA و AMD و Intel و Meta و Apple و Arm و Alibaba و Amazon إلى العمل المشترك للمشروع.
يوفر مشروع OpenXLA مترجم ML على أحدث طراز يمكنه التوسع وسط تعقيد البنية التحتية لـ ML. ركائزها الأساسية هي الأداء وقابلية التوسع وقابلية النقل والمرونة والتوسعة للمستخدمين. مع OpenXLA ، نطمح إلى إطلاق الإمكانات الحقيقية للذكاء الاصطناعي من خلال تسريع تطويره وتسليمه.
يتيح OpenXLA للمطورين تجميع وتحسين النماذج من جميع أطر ML الرائدة للتدريب الفعال والخدمة على مجموعة متنوعة من الأجهزة. سيشهد المطورون الذين يستخدمون OpenXLA تحسينات كبيرة في وقت التدريب والأداء وزمن انتقال الخدمة وفي النهاية وقت التسويق وحساب التكاليف.
ومن المؤمل أن من خلال تضافر الجهود من فرق البحث الرئيسية وممثلي المجتمع ، سيكون من الممكن تحفيز تطوير أنظمة التعلم الآلي وحل مشكلة تجزئة البنية التحتية لمختلف الأطر والفرق.
يسمح OpenXLA بتنفيذ دعم فعال لمختلف الأجهزة ، بغض النظر عن الإطار الذي يعتمد عليه نموذج التعلم الآلي. من المتوقع أن يقلل OpenXLA من وقت تدريب النموذج ، ويحسن الأداء ، ويقلل من زمن الوصول ، ويقلل من أعباء الحوسبة ، ويقلل من الوقت اللازم للتسويق.
OpenXLA يتكون من ثلاثة مكونات رئيسية، يتم توزيع الكود الخاص به بموجب ترخيص Apache 2.0:
- يعد XLA (الجبر الخطي المعجل) مترجمًا يسمح لك بتحسين نماذج التعلم الآلي من أجل تنفيذ عالي الأداء على أنظمة أساسية مختلفة للأجهزة ، بما في ذلك وحدات معالجة الرسومات ووحدات المعالجة المركزية والمسرعات المتخصصة من مختلف الشركات المصنعة.
- StableHLO هي مواصفات أساسية وتنفيذ لمجموعة من العمليات عالية المستوى (HLOs) لاستخدامها في نماذج نظام التعلم الآلي. إنه يعمل كطبقة بين أطر التعلم الآلي والمترجمات التي تحول النموذج ليعمل على أجهزة معينة. يتم إعداد الطبقات لإنشاء نماذج بتنسيق StableHLO لإطارات PyTorch و TensorFlow و JAX. يتم استخدام مجموعة MHLO كأساس لـ StableHLO ، والتي يتم توسيعها مع دعم التسلسل والتحكم في الإصدار.
- IREE (بيئة تنفيذ التمثيل الوسيط) عبارة عن مترجم ووقت تشغيل يحول نماذج التعلم الآلي إلى تمثيل وسيط عالمي يعتمد على تنسيق MLIR (تمثيل متوسط متعدد المستويات) لمشروع LLVM. من بين الميزات ، يتم تمييز إمكانية التجميع المسبق (في وقت مبكر) ، ودعم التحكم في التدفق ، والقدرة على استخدام العناصر الديناميكية في النماذج ، والتحسين لوحدات المعالجة المركزية ووحدات معالجة الرسومات المختلفة ، والحمل المنخفض.
فيما يتعلق بالمزايا الرئيسية لبرنامج OpenXLA ، فقد ذكر ذلك تم تحقيق الأداء الأمثل دون الحاجة إلى الخوض في كتابة التعليمات البرمجية خاص بالجهاز ، بالإضافة إلى تقديم تحسينات خارج الصندوق ، بما في ذلك تبسيط التعبيرات الجبرية ، والتخصيص الفعال للذاكرة ، وجدولة التنفيذ ، مع مراعاة تقليل الحد الأقصى لاستهلاك الذاكرة والنفقات العامة.
ميزة أخرى هي تبسيط القياس وموازاة الحسابات. يكفي للمطور إضافة تعليقات توضيحية لمجموعة فرعية من الموترات الحرجة ، والتي على أساسها يمكن للمجمع إنشاء رمز تلقائيًا للحوسبة المتوازية.
كما تم تسليط الضوء على ذلك يتم توفير إمكانية النقل مع دعم أنظمة أساسية متعددة للأجهزة ، مثل AMD و NVIDIA GPUs و x86 و ARM CPU و Google TPU ML Accelerators و AWS Trainium Inferentia IPUs و Graphcore و Wafer-Scale Engine Cerebras.
دعم توصيل الامتدادات مع تنفيذ وظائف إضافية ، كدعم لكتابة أساسيات التعلم الآلي العميق باستخدام CUDA و HIP و SYCL و Triton ولغات أخرى للحوسبة المتوازية ، بالإضافة إلى إمكانية التعديل اليدوي للاختناقات في النماذج.
أخيرًا ، إذا كنت مهتمًا بمعرفة المزيد عنها ، يمكنك الرجوع إلى التفاصيل في الرابط التالي.