OpenXLA, இயந்திரக் கற்றலை விரைவுபடுத்தவும் எளிமைப்படுத்தவும் ஒரு திறந்த மூலத் திட்டம்

சமீபத்தில், இயந்திர கற்றல் துறையில் வளர்ச்சியில் ஈடுபட்டுள்ள மிகப்பெரிய நிறுவனங்கள் வழங்கப்படுகின்றன திட்டம் OpenXLA, கருவிகளின் கூட்டு வளர்ச்சிக்கான நோக்கம் இயந்திர கற்றல் அமைப்புகளுக்கான மாதிரிகளை தொகுக்கவும் மேம்படுத்தவும்.

டென்சர்ஃப்ளோ, பைடார்ச் மற்றும் ஜாக்ஸ் கட்டமைப்பில் தயாரிக்கப்பட்ட மாடல்களின் தொகுப்பை ஒருங்கிணைக்க அனுமதிக்கும் கருவிகளின் வளர்ச்சிக்கு இந்தத் திட்டம் பொறுப்பேற்றுள்ளது. பல்வேறு GPUகள் மற்றும் சிறப்பு முடுக்கிகளில் திறமையான பயிற்சி மற்றும் செயல்படுத்தல். கூகுள், என்விடியா, ஏஎம்டி, இன்டெல், மெட்டா, ஆப்பிள், ஆர்ம், அலிபாபா மற்றும் அமேசான் போன்ற நிறுவனங்கள் இந்தத் திட்டத்தின் கூட்டுப் பணியில் இணைந்தன.

ஓபன்எக்ஸ்எல்ஏ ப்ராஜெக்ட் ஒரு அதிநவீன எம்எல் கம்பைலரை வழங்குகிறது, இது எம்எல் உள்கட்டமைப்பின் சிக்கலான மத்தியில் அளவிட முடியும். அதன் அடிப்படைத் தூண்கள் செயல்திறன், அளவிடுதல், பெயர்வுத்திறன், நெகிழ்வுத்தன்மை மற்றும் பயனர்களுக்கான நீட்டிப்பு. OpenXLA உடன், அதன் வளர்ச்சி மற்றும் விநியோகத்தை விரைவுபடுத்துவதன் மூலம் AI இன் உண்மையான திறனைத் திறக்க நாங்கள் விரும்புகிறோம்.

ஓபன்எக்ஸ்எல்ஏ, பலதரப்பட்ட வன்பொருள்களில் திறமையான பயிற்சி மற்றும் சேவைக்காக அனைத்து முன்னணி எம்எல் கட்டமைப்பிலிருந்து மாதிரிகளை தொகுக்கவும் மேம்படுத்தவும் டெவலப்பர்களுக்கு உதவுகிறது. OpenXLA ஐப் பயன்படுத்தும் டெவலப்பர்கள் பயிற்சி நேரம், செயல்திறன், சேவை தாமதம் மற்றும் இறுதியில் சந்தை மற்றும் செலவுகளைக் கணக்கிடுவதற்கான நேரம் ஆகியவற்றில் குறிப்பிடத்தக்க முன்னேற்றங்களைக் காண்பார்கள்.

முயற்சிகளில் இணைவதன் மூலம் இது நம்பிக்கைக்குரியது முக்கிய ஆராய்ச்சி குழுக்கள் மற்றும் சமூகத்தின் பிரதிநிதிகள், இயந்திர கற்றல் அமைப்புகளின் வளர்ச்சியைத் தூண்டுவது சாத்தியமாகும் மற்றும் பல்வேறு கட்டமைப்புகள் மற்றும் குழுக்களுக்கான உள்கட்டமைப்பு துண்டு துண்டான சிக்கலை தீர்க்கவும்.

OpenXLA பல்வேறு வன்பொருளுக்கான பயனுள்ள ஆதரவை செயல்படுத்த அனுமதிக்கிறது, இயந்திர கற்றல் மாதிரியின் அடிப்படையிலான கட்டமைப்பைப் பொருட்படுத்தாமல். OpenXLA ஆனது மாதிரி பயிற்சி நேரத்தை குறைக்கும், செயல்திறனை மேம்படுத்தும், தாமதத்தை குறைக்கும், கம்ப்யூட்டிங் மேல்நிலையை குறைக்கும் மற்றும் சந்தைக்கான நேரத்தை குறைக்கும் என எதிர்பார்க்கப்படுகிறது.

OpenXLA மூன்று முக்கிய கூறுகளைக் கொண்டுள்ளது, இதன் குறியீடு Apache 2.0 உரிமத்தின் கீழ் விநியோகிக்கப்படுகிறது:

1. XLA (அக்சிலரேட்டட் லீனியர் இயற்கணிதம்) என்பது GPUகள், CPUகள் மற்றும் பல்வேறு உற்பத்தியாளர்களின் சிறப்பு முடுக்கிகள் உட்பட பல்வேறு வன்பொருள் இயங்குதளங்களில் உயர் செயல்திறன் செயல்பாட்டிற்கான இயந்திர கற்றல் மாதிரிகளை மேம்படுத்த உங்களை அனுமதிக்கும் ஒரு தொகுப்பாகும்.
2. ஸ்டேபிள்ஹெச்எல்ஓ என்பது இயந்திர கற்றல் அமைப்பு மாதிரிகளில் பயன்படுத்த உயர்-நிலை செயல்பாடுகளின் (எச்எல்ஓக்கள்) ஒரு அடிப்படை விவரக்குறிப்பு மற்றும் செயல்படுத்தல் ஆகும். இது குறிப்பிட்ட வன்பொருளில் இயங்கும் மாதிரியை மாற்றும் இயந்திர கற்றல் கட்டமைப்புகள் மற்றும் கம்பைலர்களுக்கு இடையே ஒரு அடுக்காக செயல்படுகிறது. PyTorch, TensorFlow மற்றும் JAX கட்டமைப்புகளுக்கு StableHLO வடிவத்தில் மாதிரிகளை உருவாக்க அடுக்குகள் தயாராக உள்ளன. MHLO தொகுப்பு StableHLO க்கு அடிப்படையாகப் பயன்படுத்தப்படுகிறது, இது வரிசைப்படுத்தல் மற்றும் பதிப்புக் கட்டுப்பாட்டிற்கான ஆதரவுடன் நீட்டிக்கப்பட்டுள்ளது.
3. IREE (இடைநிலை பிரதிநிதித்துவம் செயல்படுத்தல் சூழல்) என்பது LLVM திட்டத்தின் MLIR (இடைநிலை மல்டி-லெவல் பிரதிநிதித்துவம்) வடிவமைப்பின் அடிப்படையில் இயந்திர கற்றல் மாதிரிகளை உலகளாவிய இடைநிலை பிரதிநிதித்துவமாக மாற்றும் ஒரு தொகுப்பி மற்றும் இயக்க நேரமாகும். அம்சங்களில், முன்தொகுப்பு சாத்தியம் (முன்கூட்டியே), ஓட்டக் கட்டுப்பாட்டுக்கான ஆதரவு, மாடல்களில் டைனமிக் கூறுகளைப் பயன்படுத்தும் திறன், வெவ்வேறு CPUகள் மற்றும் GPUகளுக்கான தேர்வுமுறை மற்றும் குறைந்த மேல்நிலை ஆகியவை சிறப்பிக்கப்படுகின்றன.

OpenXLA இன் முக்கிய நன்மைகள் குறித்து, அது குறிப்பிடப்பட்டுள்ளது குறியீட்டை எழுதுவதை ஆராயாமல் உகந்த செயல்திறன் அடையப்பட்டது சாதனம் சார்ந்த, கூடுதலாக பெட்டிக்கு வெளியே மேம்படுத்தல்களை வழங்கவும், இயற்கணித வெளிப்பாடுகளை எளிமையாக்குதல், திறமையான நினைவக ஒதுக்கீடு, செயல்படுத்தல் திட்டமிடல், அதிகபட்ச நினைவக நுகர்வு மற்றும் மேல்நிலைகளின் குறைப்பு ஆகியவற்றை கணக்கில் எடுத்துக்கொள்வது உட்பட.

மற்றொரு நன்மை கணக்கீடுகளை அளவிடுதல் மற்றும் இணையாக்குதல் ஆகியவற்றை எளிமைப்படுத்துதல். ஒரு டெவலப்பர் முக்கியமான டென்சர்களின் துணைக்குழுவிற்கு சிறுகுறிப்புகளைச் சேர்ப்பது போதுமானது, அதன் அடிப்படையில் கம்பைலர் தானாகவே இணை கணினிக்கான குறியீட்டை உருவாக்க முடியும்.

அதுவும் சிறப்பிக்கப்படுகிறது பல வன்பொருள் தளங்களுக்கான ஆதரவுடன் பெயர்வுத்திறன் வழங்கப்படுகிறது, AMD மற்றும் NVIDIA GPUகள், x86 மற்றும் ARM CPUகள், Google TPU ML Accelerators, AWS Trainium Inferentia IPUகள், கிராப்கோர் மற்றும் வேஃபர்-ஸ்கேல் என்ஜின் செரிப்ராஸ் போன்றவை.

கூடுதல் செயல்பாடுகளை செயல்படுத்துவதன் மூலம் நீட்டிப்புகளை இணைப்பதற்கான ஆதரவு, CUDA, HIP, SYCL, ட்ரைடன் மற்றும் பிற மொழிகளைப் பயன்படுத்தி இணையான கம்ப்யூட்டிங்கிற்கான ஆழமான இயந்திரக் கற்றல் முதன்மைகளை எழுதுவதற்கான ஆதரவாக, அத்துடன் தடைகளை கைமுறையாக சரிசெய்வதற்கான வாய்ப்பு மாதிரிகளில்.

இறுதியாக, நீங்கள் அதைப் பற்றி மேலும் அறிய ஆர்வமாக இருந்தால், நீங்கள் ஆலோசிக்கலாம் பின்வரும் இணைப்பில் விவரங்கள்.