TensorFlow推出MLIR以加快机器学习速度

致力于谷歌TensorFlow呆板进修框架的工程师们已经发明白一个子项目MLIR，它旨在成为呆板进修框架的通用中间说话。

MLIR是Multi-Level Intermediate Representation的缩写，它应承将行使TensorFlow和其他呆板进修库的项目编译为更有用的代码，从而最大限度地操作底层硬件。更重要的是，MLIR可以实时被编译器行使，将其优化上风扩展到呆板进修项目之外。

MLIR不是像C ++或Python这样的说话。它代表了这些高级说话和呆板代码之间的中间编译步调。编译器框架LLVM行使本身的中间暗示或IR。LLVM的首创人之一Chris Lattner是MLIR的配合首创人。将MLIR作为LLVM配合项目可以成为推广其回收的一种方法。

在 本月早些时辰进行的EuroLLVM集会会议的幻灯片演示中，Lattner和其他Googler Tatiana Shpeisman表明白TensorFlow如安在内部发生多个IR，但这些差异的IR不会相互受益。MLIR为全部TensorFlow子体系提供单一的尺度IR。TensorFlow今朝正在迁徙以在内部行使MLIR。

MLIR也许提供的另一个甜头是并行编译。MLIR旨在应承编译器并行处理赏罚差异的代码段，从而应承呆板进修模子和其他范例的应用措施更快地推向出产。

MLIR可觉得呆板进修之外的说话和框架提供其他甜头。譬喻，像Swift和Rust这样基于LLVM的说话必需开拓本身的内部IR，由于这些说话中行使的很多优化都无法在LLVM中表达。MLIR可以提供表达这些优化的尺度要领，这些优化又可以一再用于其他说话。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!