MLIR объединяет инфраструктуру для высокопроизводительных моделей машинного обучения в TensorFlow.
MLIR проект определяет общее промежуточное представление (IR) , который унифицирует необходимую инфраструктуру для выполнения моделей машинного обучения высокой эффективности в TensorFlow и аналогичные структуры ML. Этот проект будет включать применение методов HPC, а также интеграцию поисковых алгоритмов, 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
}
