概述
为了区分不同的硬件和软件目标，MLIR 提供了各种“方言”，包括：
- TensorFlow IR，代表 TensorFlow 计算图中的所有可能事物。
- XLA HLO IR，旨在利用 XLA 的编译能力（输出到 TPU 等）。
- 实验性仿射方言，专注于多面体表示和优化。
- LLVM IR，它与 LLVM 本身的表示之间具有 1:1 映射，从而允许 MLIR 通过 LLVM 发出 GPU 和 CPU 代码。
- TensorFlow Lite，将转换为在移动平台上运行的代码。
每个方言都由一组定义的运算组成，这些运算上放置了各种不变量，例如：“这是一个二进制算子，输入和输出具有相同的类型。”
添加到 MLIR
MLIR 没有固定/内置的全局已知运算列表（没有“内联函数”)。方言可以定义完全自定义的类型，这就是 MLIR 将来可以对以下内容进行建模的方式：LLVM IR 类型系统（具有第一类聚合）、对 ML 优化的加速器（如量化类型）比较重要的域抽象，甚至 Swift 或 Clang 类型系统 (围绕 Swift/Clang 声明节点构建）。
如果想要连接新的低级编译器，您需要创建一个新的方言以及 TensorFlow 计算图方言与您的方言之间的降级。这为硬件和编译器制造商铺平了道路。您甚至可以将同一模型中不同级别的方言作为目标；较高级别的优化器将注重 IR 的不熟悉部分，并等待较低级别的优化器对它进行处理。