MLIR unifie l'infrastructure pour des modèles de ML hautes performances dans TensorFlow.

Le projet MLIR définit une représentation intermédiaire commune qui unifie l'infrastructure requise pour exécuter des modèles de machine learning hautes performances dans TensorFlow et des frameworks de ML similaires. Ce projet comprend l'application de techniques HPC, ainsi que l'intégration d'algorithmes de recherche tels que l'apprentissage par renforcement. Le projet MLIR poursuit un double objectif : réduire les coûts d'installation d'un nouveau matériel et améliorer la facilité d'utilisation pour les utilisateurs actuels 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
}