Torch-MLIR 项目旨在从 PyTorch 生态系统为 MLIR 生态系统提供一流的支持。
Torch-MLIR 项目旨在从 PyTorch 生态系统为 MLIR 生态系统提供一流的编译器支持。
MLIR 项目提供了一种新颖的方法,用于构建可扩展和可重用的编译器架构,解决软件碎片化问题,降低针对特定领域的编译器开发成本,提高对异构硬件的编译效果,并促进现有编译器之间的兼容性。
有几家供应商已经将 MLIR 采用为其系统中的中间层,从而能够将 PyTorch、JAX 和 TensorFlow 等框架映射到 MLIR,并随后将其降低到其目标硬件。我们观察到 PyTorch 到 MLIR 的六种定制降低方法,这使硬件供应商更容易专注于其独特的价值,而不需要再次实现一个 MLIR 的 PyTorch 前端。最终目标是类似于当前硬件供应商添加 LLVM 目标支持,而不是每个供应商都实现 Clang 或 C++ 前端。
我们有几种途径可以降低到 Torch MLIR 方言。 - ONNX 作为入口点。 - Fx 作为入口点。
暂无开放 Issues，或尚未同步最近议题。