MLIR unifica la infraestructura para modelos de AA de alto rendimiento en TensorFlow.
El proyecto MLIR define una representación intermedia (IR) común que unifica la infraestructura necesaria para ejecutar modelos de aprendizaje automático de alto rendimiento en TensorFlow y en marcos de trabajo de AA similares. Este proyecto incluirá la aplicación de técnicas de HPC, junto con la integración de algoritmos de búsqueda, como el aprendizaje por refuerzo. El objetivo de MLIR es reducir el costo para incorporar hardware nuevo y mejorar la usabilidad para los usuarios de TensorFlow.
// Syntactically similar to LLVM: func @testFunction(%arg0: i32) { %x = call @thingToCall(%arg0) : (i32) -> i32 br ^bb1 ^bb1: %y = addi %x, %x : i32 return %y : i32 }
