MLIR 方言

概述

为了区分不同的硬件和软件目标，MLIR 具有“方言”，包括

• TensorFlow IR，它表示 TensorFlow 图表中所有可能的内容。
• XLA HLO IR，它旨在利用 XLA 的编译能力（输出到 TPU 等内容）。
• 一种实验性仿射方言，它专注于 多面体表示 和优化。
• LLVM IR，它与 LLVM 自身的表示之间存在 1:1 映射，允许 MLIR 通过 LLVM 发射 GPU 和 CPU 代码。
• TensorFlow Lite，它将转换为在移动平台上运行的代码。

每种方言都包含一组已定义的操作，这些操作具有不变性，例如：“这是一个二元运算符，输入和输出具有相同的类型。”

添加到 MLIR

MLIR 没有固定的/内置的全局已知操作列表（没有“内在函数”）。方言可以定义完全自定义的类型，这就是 MLIR 如何对诸如 LLVM IR 类型系统（它具有首要聚合）、对于 ML 优化加速器（例如量化类型）很重要的域抽象，甚至未来的 Swift 或 Clang 类型系统（它们围绕 Swift/Clang 声明节点构建）等内容进行建模的方式。

如果您想连接一个新的低级编译器，您将创建一个新方言以及 TensorFlow 图方言和您的方言之间的降低。这为硬件和编译器制造商铺平了道路。您甚至可以在同一模型中针对不同级别的方言；高级优化器将尊重 IR 中不熟悉的部件，并等待较低级别来处理它。