MLIR ujednolica infrastrukturę dla wysokowydajnych modeli ML w TensorFlow.

MLIR projekt definiuje wspólną reprezentację pośredni (IR), która jednoczy wymaganą infrastrukturę do wykonywania wydajnych modeli uczenia maszynowego w TensorFlow i podobnych struktur ml. Projekt ten obejmie zastosowanie technik HPC wraz z integracją algorytmów wyszukiwania, takich jak uczenie ze wzmocnieniem. MLIR ma na celu zmniejszenie kosztów wprowadzenia nowego sprzętu i poprawę użyteczności dla dotychczasowych użytkowników 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
}