Manifestations

L'infrastructure de compilation MLIR au delà de l'apprentissage automatique

Europe/Paris
https://orsay.bbb.cnrs.fr/b/gou-2nk-vjq-dpg (online)

https://orsay.bbb.cnrs.fr/b/gou-2nk-vjq-dpg

online

Description

Le projet MLIR (Multi-Level Intermediate Representaiton - Représentation Intermédiaire à Plusieurs Niveaux), annoncé publiquement il y a à peine 5 ans, est vite devenu la norme de facto dans le domaine de compilation de programme haute performance dans le domaine de l'apprentissage automatique (Machine Learning / ML). Malgré son nom suggérant le contraire, MLIR n'est pas limité aux tâches ou aux matériels spécifiques à l'apprentissage automatique. Bien au contraire, cette représentation et l'écosystème qui s'était développé autour a permis d'améliorer les performances des logiciels scientifiques, notamment dans le domaine de la modélisation climatique ou encore de la simulation aérodynamique. Cette présentation introduira les principes de conception sur lesquels se base la représentation MLIR, expliquera comment cette dernière peut être utilisée afin de modéliser et simplifier les expressions des certains domaines calculatoires, et survolera certains projets de l'écosystème de compilation moderne utilisables pour accélérer les calculs scientifiques au-delà de l'algèbre tensorielle telle qu'utilisée dans l'apprentissage automatique.

BBB link = https://orsay.bbb.cnrs.fr/b/gou-2nk-vjq-dpg

Organisé par

Loic Gouarin

Inscription
Participants
Participants
  • Alex Zinenko
  • Antoine Falaize
  • bruno raffin
  • Gilles grasseau
  • Guillaume LESCROART
  • Hugo Brunie
  • Jean-Marc PETIT
  • Kenneth Assogba
  • Lucien Vienne
  • Marc Baaden
  • Matthieu Boileau
  • Rémi Zamansky
  • Stéphane de Chaisemartin
  • tristan cabel
  • Veronique Legrand
  • Vincent Le Chenadec
  • +34