mlir

询问QQ68823886

探索OpenCvSharp：用C#和Winform构建图像处理世界OpencvSharp资料，采用C#加Winform编写，包含接近50个Demo,直接运行即可。例程包含：模板匹配、边缘识别、人脸识别，灰度变化、标定等。

联系QQ:68823886

风电并网玩转指南：15节点混合发电系统实战风电分布式并网模型 Matlab/simulink Wind Farm Simulation Model 1、共2个火电厂，4个风电厂，共15个节点 1号火电厂，设定为Swing Bus。 2号火电厂，设定为PV Bus （在汽轮机调节器可进行调节励磁系统的控制方式） 4个风电厂，各个风电厂的风速可设定为：常速风和渐变风（在风速调节器可进行选择上述两种风速工况） 2、各个节点的电压幅值符合电网电压幅值满足运行要求 3、各节点电压、功率基本无波动 4、各个负载消耗的有功、无功与设定值基本无差，工作正常

mlir 编译器学习笔记之六 -- 经典实现1、利用重载方法: val.getDefiningOp<emitc::CallOpaqueOp>() 和 val.getDefiningOp()

mlir 编译器学习笔记之四 -- 调度1、指令的活跃区间 LiveRange [startTime, endTime]startTime: 节点开始执行的时间（指令被发射到功能单元） endTime: 节点结果就绪的时间（指令执行完成，结果可用）

mlir 编译器学习笔记之五 -- 开发避坑1、范围循环和索引循环的区别，2、replaceAllUsesExcept 处理多输入的input时需要谨慎 (output不涉及)

Triton源码分析 - 目录本系列文章主要分析Triton-shared编译管线相关内容，后续视情况添加NVIDIA GPU编译管线相关内容。

MLIR：高层次综合(HLS)与设计自动化(EDA)的新范式在硬件设计和编译器领域，中间表示（Intermediate Representation，IR）是连接高层算法描述和低层硬件实现的关键桥梁。传统的编译器和设计工具通常使用单一的IR（如LLVM IR），但随着计算架构的多样化和专业化，这种单一IR方法面临着越来越大的挑战。

全文 - MLIR: A Compiler Infrastructure for the End of Moore’s LawMLIR: 为摩尔定律终结而设计的编译器基础设施本文介绍了MLIR，一种构建可重用和可扩展编译器基础设施的新方法。MLIR旨在解决软件碎片化问题，改善异构硬件的编译，显著降低构建领域特定编译器的成本，并帮助连接现有编译器。MLIR促进了在不同抽象层次以及跨应用领域、硬件目标和执行环境的代码生成器、翻译器和优化器的设计和实现。本文的贡献包括：

MLIR中Dialect的抽象层级简介https://discourse.llvm.org/t/codegen-dialect-overview/2723

MLIR方言（Dialects）是参与并扩展MLIR（多级中间表示，多级中间语言）生态系统的机制。它们允许定义新的操作、属性和类型。每个方言都有一个唯一的命名空间，这个命名空间会作为前缀添加到每个定义的属性、操作和类型前。例如，Affine方言定义的命名空间是：affine。

做个爱笑的大男孩

论文Compiler Technologies in Deep Learning Co-Design: A Survey分享从标题可以看出，这篇文章是一个综述，内容上主要是关于深度学习中的编译器技术。Co-Design 可以理解为软硬件协同设计，它可以包括：

MLIR 优化学习MLIR（多级中间表示）是编译器实用工具的表示格式和库，它位于模型表示与生成硬件特定代码的低级编译器/执行器之间。

编译器和 IR：LLVM IR、SPIR-V 和 MLIR编译器通常是各种开发工具链中的关键组件，可提高开发人员的工作效率。编译器通常用作独立的黑匣子，它使用高级源程序并生成语义上等效的低级源程序。不过，它仍然是内部结构倾向的;内部之间流动的内容就称为中间表示（IR）。

MLIR笔记（5）4.3.4. 图区域在MLIR中，区域里类似图的语义由RegionKind::Graph来表示。对没有控制流的并发语义，以及通用有向图数据结构的建模，图区域是合适的。图区域适用于表示耦合值之间的循环关系，这些关系没有基本的序。例如，一个图区域里的操作可能表示独立线程的控制流，具有表示数据流的值。就像通常在MLIR里一样，区域的特定语义完全由它包含的操作确定。图区域可能仅包含单个基本块（入口块）。

MLIR笔记（2）3.1. dyn_cast()与cast()C++支持类型间的自动转换（如operator =声明的转换），但在转换的调用链里自动转换只能调用一次，这固然是避免给编译器带来过分的复杂性，但更重要的是允许自动转换接力调用几乎很难避免出现递归调用，而且调用链过长会很快失去控制，给人带来意想不到的结果。但是，C++原生的类型转换系统对于LLVM/MLIR来说局限性太大，因此，LLVM打造了自己的类型转换系统，它仿造C++的惯例，给出了自己的类型转换函数：cast、dyn_cast。显然，它们分别对应其他cast

算能开发者社区

TPU-MLIR——实现Chatglm2-6B大模型移植部署本项目实现BM1684X部署语言大模型ChatGLM2-6B。通过TPU-MLIR编译器将模型转换成bmodel，并采用c++代码将其部署到BM1684X的PCIE环境，或者SoC环境。

算能开发者社区

Sophnet介绍及云空间申请使用SOPHNET 平台是基于SOPHON智算产品打造的云边统一的AI服务平台，是人工智能算力中心的基础设施，平台通过开放AI训练和AI推理两大核心能力，赋能千行百业。

我是有底线的