Mojo 🔥 — 面向所有 AI 开发人员的编程语言.

Mojo将Python的可用性与C的性能相结合，解锁了AI硬件无与伦比的可编程性和AI模型的可扩展性.

立即下载
阅读文档
SOFTMAX.PY
Mojo 🔥
python
def softmax(lst):
  norm = np.exp(lst - np.max(lst))
  return norm / norm.sum()
def softmax(lst):
  norm = np.exp(lst - np.max(lst))
  return norm / norm.sum()

struct NDArray:
  def max(self) -> NDArray:
    return self.pmap(SIMD.max)

struct SIMD[type: DType, width: Int]:
  def max(self, rhs: Self) -> Self:
    return (self >= rhs).select(self, rhs)
01
可用性和可编程性

用一种语言编写所有内容

编写 Python 或一直扩展到metal。对大量低级 AI 硬件进行编程。无需C++或 CUDA.

参观Mojo
def sort(v: ArraySlice[Int]):
  for i in range(len(v)):
    for j in range(len(v) - i - 1):
      if v[j] > v[j + 1]:
        swap(v[j], v[j + 1])
struct MyPair:
  var first: Int
  var second: F32
  
  def __init__(self, first: Int, second: F32):
    self.first = first
    self.second = second
def reorder_and_process(owned x: HugeArray):
  sort(x)	# Update in place
  
  give_away(x^)	# Transfer ownership
  
  print(x[0])	# Error: ‘x’ moved away!
def exp[dt: DType, elts: Int]
    (x: SIMD[dt, elts]) -> SIMD[dt, elts]:
  x = clamp(x, -88.3762626647, 88.37626266)
  k = floor(x * INV_LN2 + 0.5)
  r = k * NEG_LN2 + x
  return ldexp(_exp_taylor(r), k)
def exp_buffer[dt: DType](data: ArraySlice[dt]):

  # Search for the best vector length
  alias vector_len = autotune(1, 4, 8, 16, 32)
  
  # Use it as the vectorization length
  vectorize[exp[dt, vector_len]](data)
功能包括:

渐进式类型

利用类型实现更好的性能和错误检查.

零成本抽象

通过将值内联分配到结构中来控制存储.

所有权+借用检查器

利用内存安全性，避免边缘粗糙.

可移植的参数化算法

利用编译时元编程编写与硬件无关的算法并减少样板.

语言集成 自动调整

自动查找参数的最佳值，以利用目标硬件.

以及:

MLIR的全部力量

并行异构运行时

快速编译时间

def sort(v: ArraySlice[Int]):
  for i in range(len(v)):
    for j in range(len(v) - i - 1):
      if v[j] > v[j + 1]:
        swap(v[j], v[j + 1])
Features include:

Progressive Types

Leverage types for better performance and error checking.

struct MyPair:
  var first: Int
  var second: F32
  
  def __init__(self, first: Int, second: F32):
    self.first = first
    self.second = second
Features include:

Zero Cost Abstractions

Take control of storage by inline-allocating values into structures.

def reorder_and_process(owned x: HugeArray):
  sort(x)	# Update in place
  
  give_away(x^)	# Transfer ownership
  
  print(x[0])	# Error: ‘x’ moved away!
Features include:

Ownership + borrow checker

Take advantage of memory safety without the rough edges.

def exp[dt: DType, elts: Int]
    (x: SIMD[dt, elts]) -> SIMD[dt, elts]:
  x = clamp(x, -88.3762626647, 88.37626266)
  k = floor(x * INV_LN2 + 0.5)
  r = k * NEG_LN2 + x
  return ldexp(_exp_taylor(r), k)
Features include:

Portable parametric algorithms

Leverage compile-time meta-programming to write hardware-agnostic algorithms and reduce boilerplate.

def exp_buffer[dt: DType](data: ArraySlice[dt]):

  # Search for the best vector length
  alias vector_len = autotune(1, 4, 8, 16, 32)
  
  # Use it as the vectorization length
  vectorize[exp[dt, vector_len]](data)
Features include:

LANGUAGE INTEGRATED Auto-tuning

Automatically find the best values for your parameters to take advantage of target hardware.

02
性能

解锁 Python 性能

利用世界上最先进的编译器和异构运行时，充分利用硬件的功能，包括多核、向量单元和奇异的加速器单元。无需复杂性即可实现与 C++ 和 CUDA 相当的性能.

试试 Mojo

并行

Mojo利用MLIR，使Mojo开发人员能够利用矢量，线程和AI硬件单元.

PYTHON

单线程执行

Mojo 🔥

跨多个内核的并行处理

语言
时间 (S) *
比Python加速
Python 3.10.9
1027 s
1x
Pypy
46.1 s
22x
Scalar C++
0.20 s
5000x
Mojo 🔥
0.03 s
68000x
* 算法
Mandelbrot
实例
AWS h3-standard-88
Intel Xeon
More阅读 68,000x 博客
03
互操作性

访问整个 Python 生态系统

体验与 Python 生态系统的真正互操作性。将任意库（如 Numpy 和 Matplotlib）与您的自定义代码与 Mojo 无缝混合.

阅读编程手册
MAKE_PLOT.🔥
def make_plot(m: Matrix):
  plt = Python.import_module("matplotlib.pyplot")
  fig = plt.figure(1, [10, 10 * yn // xn], 64)
  ax = fig.add_axes([0.0, 0.0, 1.0, 1.0], False, 1)
  plt.imshow(image)
  plt.show()

make_plot(compute_mandelbrot())
Mojo 🔥
04
可扩展性

升级您的模型和模块化堆栈

通过预处理和后处理操作轻松扩展模型，或将操作替换为自定义操作。利用内核融合、图重写、形状函数等.

模型可扩展性

Mojo可以升级模型中的现有操作.

输入 层
隐藏 层
输出 层
05
立即开始

下载Mojo 🔥并立即尝试

Mojo仍在开发中，但今天可以通过我们的Mojo SDK试用。运行教程并编写自己的 Mojo 代码.

立即注册
Mojo 🔥

01.

易于上手

立即获取 Mojo 🔥 SDK，并在 GitHub 上开始使用我们的示例代码.

02.

释放你的魔力

我们的文档将帮助您快速发现为什么Mojo是Python的强大扩展，以及AI编程的未来.

03.

加入mojo社区

快来在我们的 Discord 上与我们聊天，并在我们继续开发语言的同时帮助塑造该语言的未来.

准备好玩Mojo了吗?

立即注册并下载Mojo SDK.

立即注册
API 参考、教程等

阅读 Mojo 文档