Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

MLIR unifie l'infrastructure des modèles ML hautes performances dans TensorFlow.

Le projet MLIR définit une représentation intermédiaire (IR) commune qui unifie l'infrastructure requise pour exécuter des modèles d'apprentissage automatique hautes performances dans TensorFlow et des frameworks ML similaires. Ce projet comprendra l'application de techniques HPC, ainsi que l'intégration d'algorithmes de recherche comme l'apprentissage par renforcement. MLIR vise à réduire le coût d'installation d'un nouveau matériel et à améliorer la convivialité pour les utilisateurs TensorFlow existants.
// 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
}