MLIR Introduction

简介

MLIR 项目是一个构建可重用和可扩展编译器基础设施创新项目，旨在解决软件碎片化问题，显著降低构建特定领域编译器的成本。

基于MLIR，可以实现：

• 数据流图表达（如TensorFlow），包含dynamic shape，用户扩展op等；
• 数据流图的优化和变换，如Grappler；
• 跨Kernel实现HPC风格的循环优化（如fusion，interchange，tiling等），数据在内存中的layout变换；
• 针对1D（如CPU）和2D（如GPU）寄存器架构的代码生成“lowering”转换，如DMA指令插入，显式cache管理，内存Tiling，矢量化；
• 表达特定硬件后端的的op，如加速器的高级操作；
• 深度学习图变换，如量化等；
• 多面体原语；
• 硬件综合工具。

常用术语

Block（Basic Block）：一个没有控制流的顺序operation列表。

Conversion：将代码从一种Dialect表示转换为语义等价的同一种（intra-dialect）或另一种Dialect(inter-dialect)表示。在MLIR的上下文中，conversion表示MLIR内的转换，既不转换到MLIR Dialect以外的表示（如LLVM IR）。

CSE (Constant Subexpression Elimination)：公共子表达式消除。

TODO

参考资料：

MLIR

Glossary - MLIR