GoMLX - ML dengan Go tanpa Python

• Sebuah paket yang memungkinkan implementasi model machine learning (ML) dengan bahasa Go, dirancang agar pekerjaan ML dapat dilakukan tanpa bergantung pada Python
• Menawarkan alternatif untuk framework ML yang berpusat pada Python seperti TensorFlow (TF), JAX, dan PyTorch, sambil memanfaatkan efisiensi hardware yang sama dalam basis Go
• Memanfaatkan teknologi compiler dan runtime tingkat rendah seperti XLA dan PJRT untuk menghadirkan performa yang dioptimalkan

Fitur utama

• Membangun model ML tanpa Python
  • Kode Python ditiadakan, sehingga pembuatan, pelatihan, dan inferensi model dapat dilakukan hanya dengan bahasa Go
  • Mendukung pembuatan computational graph, diferensiasi otomatis, dan pelatihan model dengan cara yang mirip dengan ekspresivitas framework ML yang ada
• Memanfaatkan XLA dan PJRT
  • Menggunakan stack OpenXLA untuk mendukung operasi yang dioptimalkan untuk hardware, serta memanfaatkan komponen dasar yang sama dengan yang digunakan TensorFlow dan JAX
  • Mencakup fitur lanjutan seperti diferensiasi otomatis, pengelolaan data tensor, dan pembagian tugas
• Contoh implementasi model CNN
  • Mengimplementasikan model CNN (convolutional neural network) dengan Go menggunakan dataset CIFAR-10
  • Model yang diimplementasikan dengan GoMLX tanpa Python mencapai performa yang serupa dengan model yang dilatih menggunakan TensorFlow+Keras
• Kasus nyata: model Gemma2
  • Menjalankan inferensi LLM (Large Language Model) tingkat produksi nyata dengan memanfaatkan bobot Gemma2 LLM yang disediakan di HuggingFace
  • Memungkinkan menjalankan model canggih seperti Gemma2 tanpa Python

Ringkasan

• GoMLX mendukung implementasi, pelatihan, dan inferensi model ML berbasis bahasa Go sambil menghapus ketergantungan pada Python
• Memanfaatkan XLA dan PJRT untuk menyediakan operasi yang dioptimalkan untuk hardware serta fitur ML tingkat lanjut
• Tanpa Python pun, pekerjaan kompleks seperti model CNN CIFAR-10 dan inferensi Gemma2 LLM dapat dilakukan
• GoMLX masih berada pada tahap awal, tetapi membuka peluang implementasi ML tanpa Python dan menjanjikan perkembangan ke depan