Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

MLIR lehçeleri

genel bakış

Farklı donanım ve yazılım hedeflerini ayırmak için, MLIR'in “lehçeleri” vardır:

  • TensorFlow grafiklerinde mümkün olan her şeyi temsil eden TensorFlow IR.
  • XLA'nın derleme yeteneklerinden yararlanmak için tasarlanan XLA HLO IR (diğer şeylerin yanı sıra TPU'larla birlikte).
  • Çok yüzlü gösterimler ve optimizasyonlara odaklanan deneysel bir afin lehçesi.
  • LLVM'nin kendi temsili arasında 1: 1 eşlemesi olan LLVM IR, MLIR'in LLVM aracılığıyla GPU ve CPU kodu yayınlamasına izin verir.
  • Mobil platformlarda çalışan koda dönüşecek olan TensorFlow Lite.

Her bir lehçe, üzerine değişmezler yerleştirilmiş bir dizi tanımlanmış işlemden oluşur, örneğin: “Bu bir ikili operatördür ve girişler ve çıkışlar aynı türlere sahiptir.”

MLIR'a ekleme

MLIR'in dünyaca bilinen operasyonların sabit / yerleşik bir listesi yoktur (“içsel” yoktur). Lehçeler tamamen özel türleri tanımlayabilir, bu yüzden MLIR, LLVM IR tipi sistemi (birinci sınıf toplamalara sahiptir), nicelikli türler gibi ML için optimize edilmiş hızlandırıcılar için önemli olan alan soyutlamaları ve hatta Swift veya Clang tipi sistemler ( Swift / Clang bildirim düğümleri etrafında oluşturulacaktır).

Yeni bir düşük seviyeli derleyici bağlamak isterseniz, yeni bir lehçe ve TensorFlow Grafik lehçesi ile lehçeniz arasındaki alçaltmalar oluşturacaksınız. Bu, donanım ve derleyici üreticileri için yolu düzgünleştirir. Aynı modelde farklı seviyelerde lehçeleri bile hedefleyebilirsiniz; daha yüksek seviye optimize ediciler IR'nin tanıdık olmayan parçalarına saygı gösterecek ve onu idare etmek için daha düşük bir seviye bekleyecektir.