Sep, 2018

Relay：基于机器学习框架的新型 IR

PDF
TL;DR论文介绍了面向深度学习的高层中间表示 (IR) 的设计，以求平衡编译效率，表达能力和可移植性，该 IR 被内嵌在开源 NNVM 编译器框架中，为 Amazon 的深度学习框架 MxNet 提供支持。
machine learningefficiencyportabilityhigh-level intermediate representationnnvm compiler framework
发现论文，激发创造
  • 信息检索的神经网络

    本研究论文旨在向初学者和有经验的研究人员介绍当前 IR 问题的深度学习中的神经方法，并涵盖了关键架构和最有前途的未来方向。

    Jul, 2017

  • TensorIR：自动张量程序优化的抽象

    该论文介绍了 TensorIR 编译器抽象，用于优化具有张量计算原语的程序，通过 TensorIR 编译可以自动化优化深度学习模型，实验结果表明 TensorIR 编译使用特定的硬件后端的张量计算原语，并在各平台上提供了与手动优化系统相当的性能竞争力。

    Jul, 2022

  • 使用 PyTerrier 进行信息检索的声明性实验

    本研究提出了一个名为 PyTerrier 的框架，它利用深度机器学习技术如 Tensorflow 和 Pytorch，并采用类似于它们的声明式语言，实现信息检索系统高效检索管道的自动化优化。在 TREC Robust 和 ClueWeb09 测试集上的测试结果表明，PyTerrier 可以提高检索效率。

    Jul, 2020

  • 深度关系学习建模内容与语境

    本文介绍 DRaiL，一个开源的声明式框架，用于指定深度关系模型，旨在支持各种自然语言处理场景，并支持与表达性语言编码器的轻松集成，以及研究表示、推理和学习之间的相互作用。

    Oct, 2020

  • 放松：端到端动态机器学习的可组合抽象

    Relax 是一种编译器抽象，通过引入一流的符号形状注释来全局跟踪动态形状计算，从而实现端到端的动态机器学习工作负载的优化，并且在各种平台上提供与手动优化系统相媲美的性能，使新兴动态模型能够在更广泛的环境中部署。

    Nov, 2023

  • 深度神经网络中的信息中继检测

    介绍了一种新信息理论概念 - 中继信息，该概念可用于理解和分析网络的功能模块化，并结合贪婪搜索算法用于识别神经网络中的计算模块，功能模块的功用与其所携带的中继信息量相关。

    Jan, 2023

  • 使用编译器表示进行代码翻译

    本文提出了一种新的方法，使用低级别的编译器中间表示 (IR) 来提高代码的翻译质量，不同于使用传统转换方法的手工指定规则，使用神经机器翻译 (NMT) 方法进行翻译，并将 IRs 作为中间变量，能够在 C ++，Java，Rust 和 Go 语言中获得自然的翻译结果，平均提高正确翻译数 11％，在一些语言对中高达 79％，同时还将 IRs 用作翻译的中间枢轴。

    Jun, 2022

  • 神经网络在变化粒度信息检索任务中的适应性

    本文研究文本信息检索中常见深度神经网络结构针对不同粒度文本数量表现的影响。

    Jun, 2016

  • MLIR：摩尔定律终结的编译器基础设施

    MLIR 是一种新型的编译器基础结构方法，旨在通过适应不同应用域、硬件目标和执行环境的代码生成器、转换器和优化器，解决软件碎片化问题，改善异构硬件编译，显著降低领域特定编译器的构建成本，促进现有编译器的连接，同时提供扩展和演进的研究工具。

    Feb, 2020

  • 神经信息检索：文献综述

    本研究总结了当前神经信息检索研究的情况，特别关注了问题和文档的学习性表示（即神经嵌入），强调了神经信息检索目前的成功之处，列出了其更广泛采用的障碍，并建议未来研究的潜在方向。

    Nov, 2016