O MLIR é um novo IR para aprendizado de máquina que pode se tornar parte do LLVM

Confira !!



No início deste mês, os desenvolvedores por trás do Tensor de código aberto MLIR como Representação Intermediária de Múltiplos Níveis. Eles esperam que este IR possa se tornar um formato comum entre modelos / frameworks de aprendizado de máquina e, como parte disso, pode acabar se tornando um subprojeto do LLVM.

A Representação Intermediária de Múltiplos Níveis foi projetada para se adequar a uma infraestrutura unificada e pode representar todos os gráficos do TensorFlow, suportar todas as otimizações e transformações e, idealmente, pode ser utilizada por qualquer estrutura de aprendizado de máquina de alto desempenho. Alguns elementos-chave do MLIR:

O MLIR é um IR comum que também suporta operações específicas de hardware. Assim, qualquer investimento na infraestrutura ao redor do MLIR (por exemplo, o compilador passa por esse trabalho) deve render bons retornos; muitos alvos podem usar essa infraestrutura e se beneficiarão dela. 

O MLIR é uma representação poderosa, mas também possui não metas. Não tentamos suportar algoritmos de geração de código de máquina de baixo nível (como alocação de registros e programação de instruções). Eles são mais adequados para otimizadores de nível inferior (como o LLVM). Além disso, não pretendemos que o MLIR seja um idioma de origem em que os usuários finais possam escrever kernels (análogo ao CUDA C ++). Enquanto nós gostaríamos de ver uma linguagem de kernel acontecer algum dia, isso será um projeto independente que compila até o MLIR.

Por enquanto, o próprio framework MLIR é hospedado através deste repositório Git do projeto Tensorflow, enquanto a Tensorflow em breve começará a criar seus próprios compiladores baseados em MLIR. O MLIR pode se tornar um subprojeto do LLVM para ajudar a promover a adoção por diferentes comunidades de aprendizado de máquina e se beneficiar da estreita integração com a infraestrutura da LLVM.

O fundador da LLVM, Chris Lattner, que atualmente trabalha no Google, faz parte da equipe que desenvolve o MLIR. Mais detalhes nesta apresentação de slides em PDF da conferência da EuroLLVM no início deste mês.

Fonte

Até a próxima !!