本教程的目标

本教程专为零基础或刚接触 MLIR 的开发者设计，聚焦 MLIR 的核心功能与工程实践，通过简洁的示例和规范的代码，手把手引导开发者掌握以下能力：

1. MLIR 开发环境搭建与工具链使用
2. 自定义方言（Dialect）与操作（Operation）的定义
3. 基础 IR 构建、转换与验证。

背景：

近年来，随着硬件架构的多样化（如 CPU、GPU、TPU、专用加速器）和计算需求的复杂化（如机器学习、高性能计算、边缘计算），传统的编译器技术逐渐面临瓶颈。单一固定的中间表示（IR，Intermediate Representation）难以高效应对不同领域的优化需求，而领域专用语言（DSL，Domain-Specific Language）的激增也加剧了工具链碎片化的问题。MLIR（Multi-Level Intermediate Representation） 正是在这一背景下诞生的编译器基础设施，它试图通过一种可扩展、多层级、模块化的设计哲学，为现代编译器技术的演进提供全新的可能性。

传统编译器（如 LLVM）的 IR 通常是静态且单一的，优化流程被固化在特定的抽象层次上。例如，LLVM IR 面向通用的低级机器指令，但在处理高阶语言特性（如 TensorFlow 的计算图或 PyTorch 的动态图）时，往往需要在早期“降低”（Lowering）过程中丢失大量语义信息，导致跨层级优化困难。MLIR 的核心洞察在于：不同领域的计算问题需要不同抽象层次的中间表示，且这些表示应能共存、互操作与渐进式转换 。通过允许开发者定义领域专用的 方言（Dialect） ，MLIR 使优化可以在最合适的抽象层级上进行，从而保留更多语义信息，解锁更深入的跨领域协同优化。

构建命令：

1. 拉包：git clone https://github.com/violetDelia/MLIR-Tutorial.git
2. 拉取第三方库：git submodule update --init --recursive
3. build：cd ./MLIR-Tutorial && cmake . -G Ninja -B build
4. 编译：cd build && ninja CH-2 [编译/测试命令]

CH	目录	编译命令	测试命令
方言定义	2-define_dialect	ninja CH-2	NA
Type定义	3-define_type	ninja CH-3	NA
Attribute定义	4-define_attribute	ninja CH-4	NA
Operation定义	5-define_operation	ninja CH-5	NA
接口定义	6-define_interface	ninja CH-6	NA
IR 结构	7-ir_struct	ninja CH-7	NA
定义Pass	8-define_pass	ninja CH-8	NA
定义IR变换	9-rewrite_pattern	ninja CH-9	NA
debug以及mlir-opt工具	10-mlir_opt-and-debug	ninja CH-10 && ninja NS-opt10	NA
Lit 测试套件	11-lit_for_test	ninja CH-11 && ninja NS-opt11	ninja check-ch-11
IR下降变换	12-operation_lowing_pass	ninja CH-12 && ninja NS-opt12	ninja check-ch-12
Pass 管理	13-pass_manager	ninja CH-13 && ninja NS-opt13	ninja check-ch-13
规范化与常量折叠接口	14-fold_and_canonicalization
下降到LLVM IR	15-lowing_to_llvm
mlir-runner 工具执行IR	16-mlir-runner
IR端到端执行	17-execution

备注：

1. 推荐使用g++ 编译器