MLIR объединяет инфраструктуру для высокопроизводительных моделей машинного обучения в TensorFlow.

Проект MLIR определяет общее промежуточное представление (IR), которое объединяет инфраструктуру, необходимую для выполнения высокопроизводительных моделей машинного обучения в TensorFlow и аналогичных средах машинного обучения. Этот проект будет включать в себя применение методов высокопроизводительных вычислений, а также интеграцию алгоритмов поиска, таких как обучение с подкреплением. MLIR направлен на снижение затрат на установку нового оборудования и повышение удобства использования для существующих пользователей TensorFlow.
// Syntactically similar to LLVM:
func @testFunction(%arg0: i32) {
  %x = call @thingToCall(%arg0) : (i32) -> i32
  br ^bb1
^bb1:
  %y = arith.addi %x, %x : i32
  return %y : i32
}