谷歌在MLIR中支持稀疏张量积算（1）

MLIR（multi-level IR）

首先，在现在的编译器里面是存在IR（Intermediate presentation）的概念的。这个IR的概念是为了在编译器的不同阶段来代表本层的语言的。例如说对于一些编译器的前端，是使用计算图来表示；对于一些后端，可能会使用一些DSL的表示形式。那么这些层之间来回转换这种中间表示就会存在复用性，开销，人力等问题。所以google就想用MLIR来统一所有的IR的表示。我的理解（如果有不对的地方，欢迎大家一起讨论），MLIR使用一种叫做方言（dialect）的形式来实现不同层之间的翻译的工作。

Dialect

方言有点像对于一个基类派生出的对象的感觉。不同IR层是由共性的：数据形状，数据类型，计算规则。那么MLIR就提取共性的抽象表达，然后针对lowering过程中每一层，针对该层需要补充的东西，在原有的像基类一样的基础上实例化不同层。这样就可以尽可能少改变每一层IR的表达代价。同时复用IR。

MLIR中支持稀疏的表达

基础概念

sparse tensors

• A vector with many zero elements is called a sparse vector
• A matrix with many zero elements is called a sparse matrix
• A tensor with many zero elements is called a sparse tensor
<