openxla/stablehlo

解决的问题

StableHLO 是一个可移植层，解决了不同的机器学习框架（如 PyTorch、TensorFlow 和 JAX）与为硬件优化它们的编译器（如 XLA 和 IREE）之间的不兼容问题。它确保由一个框架生成的模型可以可靠地被各种编译器使用，而无需为每种组合重新编写代码。

工作原理

它为 ML 模型提供了一套标准的高层操作 (HLO)。基于 MLIR (Multi-Level Intermediate Representation) 方言，它通过序列化和版本控制增强了 MHLO 方言。通过使用 MLIR 字节码作为序列化格式，它提供了向后和向前兼容性保证，允许框架和编译器使用稳定且版本化的接口进行通信。

适用对象

本项目面向需要创建可通过 XLA 和 IREE 等编译器在各种硬件上运行的互操作模型的 ML 编译器工程师和框架开发人员，也面向通过 Google AI Edge 在设备上部署模型的人员。

亮点

• 互操作性：通过弥合 JAX、PyTorch 和 TensorFlow 等框架之间的鸿沟来简化开发。
• 版本化稳定性：使用 MLIR 字节码，确保随着操作集的演进，程序仍保持兼容性。
• 广泛的兼容性：与 XLA 和 IREE 等 ML 编译器兼容。
• 转换工具：包括将 StableHLO 程序（包括权重和偏置）转换为 TensorFlow SavedModels 的工具。