【笔记】mlir linalg dialect设计基本原理

https://mlir.llvm.org/docs/Rationale/RationaleLinalgDialect/
阅读笔记+部分自己的理解

介绍

• 高层图IR -> code gen中间的ir表达，用于硬件无关的高层优化。
• 使用loop 或者Control flow来表达切分和融合，op具体的语义仍然一致保留。
• transformation的过程中，语义的正确性和性能提升解耦。第一次迭代保证语义正确，后序迭代提升性能时，只需要关心语义等价，且性能提升即可。
• 和vector dialect结合，linalg作为structured op，表示操作对应内存里的数据，将操作和内存表达隔离。

其他链接：
https://discourse.llvm.org/t/development-of-high-level-tensor-compute-primitives-dialect-s-and-transformations/388

https://drive.google.com/drive/u/0/folders/1sRAsgsd8Bvpm_IxREmZf2agsGU2KvrK-

设计抽象

linalg抽象了现有ir的特点

polyhedral transformations

https://polly.llvm.org/
https://mlir.llvm.org/docs/Rationale/RationaleSimplifiedPolyhedralForm/

Affine

思想

• MemRefType除了代表稠密不连续内存空间，还可以表达不规则、稀疏数据，或者树、哈希表、图之类的。
• 除了静态编译，还可以引入runtime-adaptive computations，例如nspector-executor，运行时inspector会快速决策executor的执行配置。
• 使用控制流 + 数据结构表征