MLIR ujednolica infrastrukturę dla wysokowydajnych modeli ML w TensorFlow.
Projekt MLIR definiuje wspólną reprezentację pośrednią (IR), która ujednolica infrastrukturę wymaganą do wykonywania wysokowydajnych modeli uczenia maszynowego w TensorFlow i podobnych frameworkach 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 }
