openxla/xla
机器学习把 PyTorch、TensorFlow 和 JAX 模型编译为在 GPU、CPU 与 ML 加速器上优化的代码。
XLA 是一个开源的机器学习编译器。它接收 PyTorch、TensorFlow 和 JAX 构建的模型，并针对 GPU、CPU 与 ML 加速器进行优化，以提升执行性能。它适合希望通过现有框架获得更快或更可移植的 ML 执行的人，而不是寻找独立模型或应用的人。
实际使用方式
大多数用户不会直接接触这个仓库。README 会引导用户按自己的环境查看对应框架的集成文档：PyTorch/XLA、TensorFlow XLA 或 JAX 相关文档。也就是说，编译能力是通过你已经在用的前端获得的。典型流程是在 PyTorch、TensorFlow 或 JAX 中构建或运行模型，并启用 XLA，然后由编译器为目标硬件生成优化代码。
自行构建仓库是另一条路径。README 明确说明，这个仓库面向开发编译器的 XLA 贡献者，以及需要调试或为 ML 前端和硬件后端添加支持的集成者。如果你不参与编译器代码贡献，项目明确表示你不需要克隆和构建该仓库。
它的特点
XLA 的核心机制是从框架到硬件的编译：它接受多个主流 ML 框架的模型，并面向多类硬件，而不是只服务一个前端或一种设备。这样一来，已有的 PyTorch、TensorFlow 或 JAX 项目可以在 GPU、CPU 和加速器目标上复用同一套编译器栈，具体支持范围取决于各集成本身。
对贡献者来说，项目提供了贡献指南和开发者指南，后者覆盖编译器开发工作；这些文档描述的是编译器开发与前后端集成的路径，而不是普通用户的上手步骤。
适合谁
如果你已经在受支持的框架中工作，并希望在不接触编译器内部的情况下利用 XLA 的优化，它适合你。编译器开发者，或扩展硬件/前端支持的集成者，同样适用。它不适合没有 ML 框架作为入口的人，仓库本身也没有把自己定位为终端用户应用。
需要注意的条件
- 你的入口和兼容性取决于所选的框架集成；应遵循该集成文档，而不是把仓库 README 当作安装指南。
- 现有材料没有列出具体支持的硬件型号、框架版本或安装前置条件，需要向对应集成确认。
- 项目采用 Apache-2.0 许可证，使用和再分发受该许可证约束。
- 社区空间遵循 TensorFlow 行为准则；README 也说明项目处于 TensorFlow 治理之下。
本文由 AI 根据项目 README 生成，更新于 2026年10月30日，以项目官方文档为准。