mlir

mlir 编译器学习笔记之十 -- 数据类型1、MLIR区分三种整数类型IntegerType::get(context, 32, IntegerType::Signless); // 简写IntegerType::get(context, 32) IntegerType::get(context, 32, IntegerType::Signed); IntegerType::get(context, 32, IntegerType::Unsigned);

mlir 编译器学习笔记之九 -- 后端生成方案1、在mlir中使用标准的emitc转换生成EmitC 是 MLIR（Multi-Level Intermediate Representation）框架中的一个官方方言（Dialect），而不是一个独立的编程语言标准（如 C++11 或 C99 那样的标准）,其中总体实现可以参数社区的现有实现方法：

喜欢打篮球的普通人

MLIR入门采用cmake，而不采用bazelMLIR 自 LLVM 14 (2022) 起正式进入 LLVM 稳定发布系列，所有稳定版中 Clang 与 MLIR 完全配套、ABI 稳定.

LLVM安装使用LLVM官方的下载在github上，下载速度很缓慢，可以用tuna提供的二进制下载位置。其中包括很多工具，比如格式检查工具clang-format，可以配置到VsCode里的LSP工具llvm-lsp。

前沿模型系列（五）《多模态智能及其应用》目录Nano Banana Pro 技术原生多模态模型与长上下文思考数据生产与评估反馈开源多模态生成模型的挑战

喜欢打篮球的普通人

MLIR快速入门Clang 对 AST 进行静态分析和转换操作，各个语言的 AST 都需要进行类似的静态分析和转换操作。

AI 编译器系列（七）《(MLIR)AscendNPU IR 编译堆栈》目录AscendNPU IR 架构概述Triton-Ascend + AscendNPU IRMLIR 简介：

读书读傻了哟

MLIR编译安装一、下载下载链接：https://github.com/llvm/llvm-project二、编译LLVM 编译命令：

MLIR 中最常用的方言MLIR 的强大之处在于它的多层方言栈。通过不同层级的方言，MLIR 可以从高级的算法描述一直转换到最底层的机器码。

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：