脸书开源硬件：脸书发表开源机器学习编译器Glow，要以社群力共构AI软硬件生态系

脸书创建了开源Glow框架，透过社群之力驱动建构硬件生态系，以实现机器学习硬件加速，Cadence、Esperanto、英特尔、Marvell和高通都已经承诺会在未来的芯片支援Glow。

脸书为了要扩展PyTorch等深度学习框架的应用，因此需要能提供各种最佳化以及加速推测功能的编译器，以便使用硬件平台支援越来越多的人工智能与机器学习应用。脸书因此创造了开源框架Glow，以社群驱动的方式，推动建构机器学习硬件生态系。让相关硬件供应商利用开源的编译器软件，快速设计出机器学习最佳化的产品。

Glow能帮助硬件开发人员，打造下一代支援深度学习框架的硬件加速器。

硬件加速器为专门用来执行机器学习工作负载而设计，通常包含大量的执行单元、芯片内存组以及特用应用程序专用电路，来高效率执行机器学习任务。但为了在专用的硬件上执行机器学习程式，必须要编译器配合，以产生能够协调不同部分，使之共同协作的程式码，因此像是PyTorch这类机器学习框架，都必须仰赖编译器来实现硬件加速。

机器学习硬件加速器要解决一系列的问题，部分硬件需要专用于推理，另一部分则专注于训练，每种型号又有不同的内存以及处理器配置，这让加速器的设计工作变得困难，而Glow的目的在于针对各类硬件加速器，使编译器具硬件独立性的部分，专注最佳化那些也无硬件型号相依的数学相关部分。

除了硬件独立最佳化之外，Glow包含了许多公用程式以及建置单元，用来支援多种硬件。这些内建的工具有像是编译器内存配置器，来为不同内存配置的各式硬件加速器，产生高效率程式码。此外，还包括强大的线性代数最佳化程式、可扩充测试套件，以及用于硬件加速器精确测试的基于CPU参照实作，还有内存配置器与指令调度器。

Glow可以帮助硬件开发商减少产品上市的时间，而且其提供的测试工具，能增加硬件供应商对编译器精确性与PyTorch规范一致性的信心。现在Cadence、Esperanto、英特尔、Marvell和高通都已经承诺，将会在未来的芯片支援Glow框架。