در سمپوزیوم زنان در ML در 7 دسامبر شرکت کنید هم اکنون ثبت نام کنید
با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

MLIR زیرساخت را برای مدل های ML با کارایی بالا در TensorFlow یکپارچه می کند.

پروژه MLIR یک نمایش میانی مشترک (IR) را تعریف می‌کند که زیرساخت مورد نیاز برای اجرای مدل‌های یادگیری ماشینی با کارایی بالا در TensorFlow و چارچوب‌های ML مشابه را یکپارچه می‌کند. این پروژه شامل استفاده از تکنیک های HPC به همراه ادغام الگوریتم های جستجو مانند یادگیری تقویتی خواهد بود. هدف MLIR کاهش هزینه برای ارائه سخت افزار جدید و بهبود قابلیت استفاده برای کاربران فعلی TensorFlow است.
// 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
}