当前位置:首页 > 报告详情

HC2022.Google.Pienaar.v1.pdf

上传人: 2*** 编号:136967 2023-08-03 42页 1.97MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了MLIR(Multi-Level Intermediate Representation)的基础知识。MLIR是一个模块化和可重用的软件组件集合,它支持从高级操作到低级硬件的渐进式降低,以通用的方式高效地针对硬件进行优化。MLIR起源于TensorFlow生态系统中的团队,现在作为LLVM项目的一部分进行中立治理。MLIR提供了对多种抽象级别(如树状IR、图状IR、机器指令等)的表示和转换,同时支持位置跟踪、丰富的类型系统、通用的分析/优化流程等。MLIR的设计原则包括简洁性、可追溯性和渐进性,旨在避免不必要的复杂性,保持编译器的透明度和可分析性,以及避免过早降低抽象级别。MLIR通过操作、方言、转换等模块化组件,支持自定义方言和操作,允许在同一IR中混合不同的抽象级别,从而实现对不同硬件的优化。
MLIR如何支持多级中间表示? MLIR如何实现渐进式降低? MLIR如何支持自定义方言?
客服
商务合作
小程序
服务号
折叠