MLIR_对自定义IR Dialect编写bufferization pass

最近在整理先前实习做的一些工作，主要是对AI compiler做基于mlir的重构，以下是之前写的compiler frontend的一个比较基础的pass，针对自定义的IR Dialect做bufferization。

一、bufferization概念

Bufferization 是MLIR中一个重要的过程，它主要负责将具有tensor（张量）语义的操作转换为具有memref（内存引用）语义的操作。

• Tensor在MLIR中代表抽象值类型的数据序列，它们并不直接对应于内存中的位置。
• MemRef（Memory Reference）则代表对内存区域的具体引用，提供了更低级别的缓冲区访问能力。
• Bufferization将tensor的语义转换为memref的语义，memref提供了更直接、更具体的内存访问方式，减少了编译器需要处理的抽象层次。

二、实现

以下是在XPU上自定义TIR的一个conv2d mlir的示意 pass的功能就是实现将func和op的tensor type转为memref type(TIR->MTIR)，实现共包含两个pass，六个pattern！

ODS自定义OP .td写法示例

2.1global_bufferize pass

实现分为两步pass，第一步为global_bufferize pass，即将func的argument和return的tensor type转为memref。代码和注释如下所示

以上是globalbufferize pass的主要部分，在定义的target合法规则检查上应用了两个转换pattern和updateFuncOp。下面看updateFuncOp

总结：updateFuncOp 函数的作用是将输入参数和输出结果从 RankedTensorType 转换为 MemRefType，另外还创建了tir.uploadOp(memref->tensor)来获取对应input的memref类型输入转为tensor。 再来看两个convertpattern，对于ConstOpConvert，实现上是用自定义memtx.const(tensor->memtef)+tir.upload(memref->tensor)替换了原来的tir.const(tensor->tensor)

对于ReturnOpConverter，用tir.download替换returnOp，将输出结果从tensor转为memref global_bufferize pass后的结果如下，可以看到func的arg转为了memref，新增了tir.upload和download作为func arg输入memref->tensor的Op，memtx.const+tir.upload用于memref和tensor转换

下面是新增的ODS自定义Op

2.2tir2mtir_convert pass

直接上结果，我们的目的是将IR 做bufferization即不能出现出memref类型外的tensor类型，在前一个pass global_bufferize后，我们得到了IR所示的结果，在此基础上继续写第二个pass->tir2mtir_convert。

pass如下

下面来看具体的Legality和pattern

四个pattern

MTIR ODS自定义Op .td写法示例

总结：通过上面两步pass即得到了自定义TIR->MTIR的bufferization化