Почему TensorFlow XLA находится в экспериментальном состоянии
Я заинтересован в использовании XLA для обучения с пользовательским устройством (FPGA, ...).
Однако я узнал, что XLA сейчас находится в экспериментальном состоянии из руководства разработчика.
https://www.tensorflow.org/performance/xla/
Я не получил причину, почему XLA находится в экспериментальном состоянии.
Есть ли какая-то большая проблема в XLA, кроме улучшения производительности?
Спасибо
1 ответ
XLA все еще очень новый: он был выпущен в марте 2017 года.
Как указано на странице Tensorflow XLA:
Примечание: XLA является экспериментальным и считается альфа. В большинстве случаев не наблюдается улучшения производительности (скорость или уменьшение использования памяти). Мы выпустили XLA на ранней стадии, чтобы сообщество Open Source могло внести свой вклад в его развитие, а также создать путь для интеграции с аппаратными ускорителями.
Если он был выпущен, то это потому, что команда разработчиков хочет получить отзывы и вклад сообщества Open Source в проект.
Это подтверждается этим утверждением в блоге разработчиков Google:
XLA все еще находится на ранних стадиях разработки. Он показывает очень многообещающие результаты для некоторых случаев использования, и ясно, что TensorFlow может получить еще большую выгоду от этой технологии в будущем. Мы решили выпустить XLA для TensorFlow Github как можно раньше, чтобы запросить вклад сообщества и предоставить удобную площадку для оптимизации TensorFlow для различных вычислительных устройств, а также перенастроить среду выполнения TensorFlow и модели для работы на новых типах оборудования.
Так почему это считается экспериментальным? Просто потому, что есть много вариантов использования и оборудования, которые не были проверены. Тесты не всегда показывают ожидаемые улучшения.
Возможно, вы столкнетесь с некоторыми ошибками во время его использования, и вам будет предложено сообщить о них через страницу проблемы github проекта.