此页面由 Cloud Translation API 翻译。
Switch to English

MLIR方言

概观

为了区分不同的硬件和软件的目标,MLIR有“方言”,其中包括:

  • TensorFlow IR,它代表了TensorFlow图表可能所有的东西。
  • XLA HLO IR,其目的是采取XLA的编译能力的优势(与输出,除其他事项外,热塑性聚氨酯)。
  • 实验仿射方言,其重点是多面体陈述和优化。
  • LLVM IR,其具有1:它和LLVM自己的表示之间1映射,允许MLIR通过LLVM发射GPU和CPU代码。
  • TensorFlow精简版,这将转化为在移动平台上运行的代码。

每个方言由一组具有放置在它们,就像不变量定义的操作的:“这是一个二进制运算符,以及输入和输出具有相同的类型。”

添加到MLIR

MLIR一直没有固定/内置享誉全球的操作(没有“内在”)的名单。方言可以定义完全定制类型,这是MLIR如何建模像LLVM IR类型系统的东西(其具有第一类聚集体),域抽象重要的ML-优化加速器等量化类型,甚至夫特或锵型系统(其在今后的一段时间斯威夫特/ Clang的声明节点构建的)。

如果你要连接一个新的低级别的编译器,你可以创建一个新的方言和TensorFlow图表方言和方言的之间的下降部。这种平滑的硬件和编译器制造商的路径。你甚至可以针对不同级别的同一型号的方言;更高级别的优化将尊重IR的陌生份并等待一个较低的水平来处理它。