说明
官方推荐学习路线

论文阅读

Abstract

作用：将ONNX等格式的模型文件转化为可以在TPU运行的二进制模型文件bmodule
主要实现了两个Dialect ：设备无关的张量操作方言TOP，负责编码深度学习的图；设备相关的TPU方言TPU负责提供利用TPU计算的标准。

Background

介绍MLIR（基本概念、Tensor Type、Quantization Dialect）、ONNX格式、量化方式（统一量化、对称与非对称量化、分位修正等）

Compiler

3.1 Overview

3.2 Module

介绍module的atrribute。包括name。weight_file
weight_file的主要功能是实现权重与mlir的分离存储。
location实现操作与权重的关联。也就是代码中OP操作都使用#loc0 之类，然后外部#loc0 = loc("input")指明对应tensor在weight_file中的位置。

3.3 Top dialect

定义：

相关背景：
Dialect定义、OP定义、traits合并、什么是OP的Interfaces

论文讲解笔记记录

视频 去除论文中的重复部分
视频讲解的最大区别就是结合了代码，所以重点关注代码实现

Overview

一、Translation

二、Canonicalize

三 、Lowering

四 LayerGroup

五、Code Generation

六、Calibration + Quantization

七、Deploy Quantized Model

八、Correctness Check

常用命令