文件rust/compiler/rustc_codegen_llvm/src/llvm/mod.rs是Rust编译器的LLVM代码生成模块的一个文件。该文件定义了一些用于与LLVM交互的结构体、枚举和常量。
在Rust的编译器源代码中，rust/compiler/rustc_codegen_cranelift/src/value_and_place.rs文件扮演着重要的角色。它包含了与值和位置（Place）相关的实现和结构体定义，这对于编译器的代码生成过程至关重要。
llvm是当前编译器领域非常火热的项目，其设计优雅，官方文档也很全面，可惜目前官方中文翻译。笔者在学习过程中也尝试进行一些翻译记录，希望能对自己或者他人的学习有所帮助。
本文中的例子拷贝自：https://pku-minic.github.io/online-doc
文件rust/compiler/rustc_codegen_ssa/src/traits/declare.rs的作用是定义了一个Declare trait，用于声明函数、变量和全局变量等需要使用的实体。
文件rust/compiler/rustc_passes/src/debugger_visualizer.rs是Rust编译器中的一个代码文件，它包含了与调试器可视化相关的功能。
llvm核心类位于 include/llvm/IR中，用以表示机器无关且表现力极强的LLVM IR。
LLVM（Low Level Virtual Machine）是一个用于构建编译器的开源框架和工具链。它不仅提供了一个高度优化的中间表示（IR），还支持广泛的优化技术和后端代码生成。本文将详细介绍LLVM的核心概念、架构和应用场景。
只要你和程序打交道，了解编译器架构就会令你受益无穷——无论是分析程序效率，还是模拟新的处理器和操作系统。通过本文介绍，即使你对编译器原本一知半解，也能开始用LLVM，来完成有意思的工作。
LLVM 支持“intrinsic function”的概念。这些函数具有众所周知的名称和语义，并且需要遵循某些限制。总的来说，这些 intrinsic 代表 LLVM 语言的扩展机制，在添加到语言(或者位码读取器/写入器、解析器等)时不需要更改 LLVM 中的所有转换。
这篇文章对MLIR的Pattern Rewrite机制进行翻译和总结。这几篇文档分别是https://mlir.llvm.org/docs/PatternRewriter/ 和 https://mlir.llvm.org/docs/Rationale/RationaleGenericDAGRewriter/ 和 https://mlir.llvm.org/docs/Canonicalization/。下面的第一节是阅读并翻译了这三篇文档之后的要点总结，方便读者可以快速把握这三篇文档的核心内容。
C Primer Plus(一) 發佈於 2020-06-04 从本篇开始，我们就要重新学习 C 语言了，参考书籍为《C Primer Plus》，是个硬骨头，加油吧💪。 初识 起源 1972 年，贝尔实验室的 Dennis Ritch 和 Ken Thompson 在开发 Unix 系统时，设计了 C 语言，C 语言是在 B 语言的基础上进行设计的。 使用理由 虽然距离诞生已经过去 40 多年，而且在近 20 年中，有很多人转而使用脱胎于 C 语言的其他语言，如 C++、Objective-C、Java
这一节在【从零开始学深度学习编译器】十六，MLIR ODS要点总结上篇 的基础上补充完整了ODS的要点。约束和属性的定义都是MLIR中相当重要的元素，至于类型的定义个人认为了解即可，等到我们需要自定义类型的时候再仔细研究。最后MLIR的语法比较晦涩，初学者可以借助mlir-tblgen来辅助debug。
llvm是当前编译器领域非常火热的项目，其设计优雅，官方文档也很全面，可惜目前缺乏官方中文翻译。笔者在学习过程中也尝试进行一些翻译记录，希望能对自己或者他人的学习有所帮助。
Scalar Evolution（SCEV）用于分析循环中的标量（scalar）是如何变化的（evolution）。
【GiantPandaCV导语】本文是对MLIR的论文解读以及实践，这里的实践指的是把MLIR的要点在OneFlow Dialect中进行了对应，并解释了每个要点的实现方法以及这些要点的相关性，算是对MLIR学习过程的一个阶段总结。本文分为2大部分，第一部分为1-6节，主要是阅读MLIR论文，第7节是根据OneFlow Dialect解释论文中提到的MLIR基础架构中的要点如Type，Attribute，Operation，Trait，Interfaces，Region，Block等等。本文只是想起到抛砖引玉的效果让更多小伙伴了解MLIR这个编译架构
即时编译（Just-in-Time Compilation，JIT）是将某种形式的解释程序评估转换为本机程序的过程，并在运行时进行。
在Rust编译器的源代码中，文件rust/compiler/rustc_mir_build/src/build/expr/as_place.rs的作用是用于处理表达式的转换为L-value的过程。L-value是指那些可接受赋值操作的表达式，如变量、数组元素或字段等。
LLVM是一套提供编译器基础设施的开源项目，是用 C++ 编写，包含一系列模块化的编译器组件和工具链，用来开发编译器前端和后端。它是为了任意一种编程语言而写成的程序，利用虚拟技术创造出编译时期、链接时期、执行时期以及“闲置时期”的优化。
rust/compiler/rustc_codegen_gcc/src/back/mod.rs 文件是 Rust 编译器的源代码中的一个模块，主要负责与 GCC（GNU 编译器集合）相关的后端代码生成。
最近开始涉及 JS 的解析和处理工作，所以专门研究了下这块。特别是动态类型的处理以及不同引擎对于平台无关的字节码的设计和处理会有很大的帮助。
选自nicoleorchard 作者：Nicole Orchard 机器之心编译 参与：朱乾树、路雪 编译器可将源代码转换成计算机理解的可执行的机器代码，或将源代码转换成另一种编程语言。本文从 LLV
编译器（compiler）就是一个翻译其他程序的程序而已。传统的编译器将源代码翻译为计算机能够理解的可执行机器代码（有一些编译器将源代码翻译为另一种编程语言。这些编译器叫做从源码到源码的翻译器，source-to-source translators or transpilers）。LLVM 是一个广泛使用的编译器项目，它包含了许多模块化的编译器工具。传统编译器涉及包含了三个部分：
研究Fairplay DRM（Digital Rights Management，即数字版权保护）最关键的两点是授权和加密。但长久以来，关于App DRM的研究却很少，而就是在这样的前提下，Fairplay DRM又为iOS App的安全研究叠加了一层“阻碍”。我们通过分析混淆系统的设计和实现过程中的问题，克服调试跟踪的障碍，设计了多种静态和动态的对抗方案；同时通过大量的逆向工程，填补了安全研究人员对macOS系统机制中，关于Fairplay这一部分的认知空白。
https://github.com/hunterzju/llvm-tutorial
上午查阅 Rust 官网内部博客，看到 Rust 1.51.0 stable 预发布版本已经开放测试。正式发布版本定于 UTC 标准时 2021-03-25，北京时间估计要到本周五。
下面函数foo中存在冗余变量计算、赋值语句，使用instcombine优化的效果：
作者 | EDOARDO VACCHI 译者 | 冬雨 策划 | Tina 不少 Java 开发人员在面对 WebAssembly 一词时，首先会想到这是一种“浏览器技术”，之后可能会认为“还是归结为 JVM”。毕竟浏览器内应用对他们而言是一种“史前生物”。 最近数周内，围绕 WebAssembly，多项技术呈密集发布，例如 Docker+wasm 技术预览等。作为一名 Java 极客，我认为不应视 WebAssembly 为一时风尚而置若罔闻。 文如其名，WebAssembly（wasm）的确
继续深度学习编译器的优化工作解读，本篇文章要介绍的是OneFlow系统中如何基于MLIR实现Layerout Transform。在2D卷积神经网络中，除了NCHW数据格式之外一般还存在NHWC的数据格式，对于卷积操作来说使用NHWC格式进行计算可能会获得更好的性能。但深度学习网络的训练一般来说是采用NCHW进行的，我们一般只有在推理时才做NCHW到NHWC的Layerout Transform。这里存在两个问题：首先对于一个算子比如Conv2D，它以NCHW方式训练时保存的权重格式是[out_channels, in_channels, *kernel_size]，但是要以NHWC格式进行推理时我们需要对权重的格式进行转换；然后对于没有权重的算子来说，我们也需要尽量的让算子支持NHWC的运算，来减少因为卷积算子前后插入的Transpose操作带来的额外开销。举个例子，假设有如下的一个小网络 x->conv->relu->conv->relu->out，如果我们要以NHWC格式执行那么我们除了对2个卷积的权重进行改动之外，我们还需要在conv前后插入transpose来修改输入到conv算子的数据格式，也就是x->transpose(0, 2, 3, 1)->conv->transpose(0, 3, 1, 2) -> relu -> transpose(0, 2, 3, 1)->conv->transpose(0, 3, 1, 2) -> relu->out。然后细心的读者可以发现，实际上这里存在很多冗余的Transpose，因为ReLU是支持以NHWC格式进行运算的，那么这个网络可以化简为x->transpose(0, 2, 3, 1)->conv->relu->conv->relu->transpose(0, 3, 1, 2)->out。这样可以减少一半的Transpose Op开销。
configpare算是老牌的配置文件选择之一了，优点是标准库，不需要安装，但是需要注意的一点是，在Python2和Python3上使用方式略有差异
本系列文章会展示一些系列源码到 LLVM IR 语言的转换。目标是让我们更好的理解编译器是怎么运作的。
在这篇文章中，我会总结最近对iOS开发内存课题的查阅和学习，文章的中心还是围绕着面试题来的。因为网上目前确实存在着很多的面试题和答案，但他们大多数都是拷贝粘贴，甚至答案都是错的。
在所有的预处理指令中，#Pragma 指令可能是最复杂的了，它的作用是设定编译器的状态或者是指示编译器完成一些特定的动作。#pragma指令对每个编译器给出了一个方法,在保持与C和C ++语言完全兼容的情况下,给出主机或操作系统专有的特征。由于太复杂，在OC中主要在以下几个方面使用到：
大概4个月前开始接触TVM，虽然是0经验开始看，但目前对TVM的IR以及Pass，Codegen，Scheduler等也有了一些基础的认识。所以这篇文章的目的是梳理一下TVM的整体架构，复盘一下自己学到了什么，以及为想学习TVM的小伙伴们提供一个整体思路。「从零开始学深度学习编译器」这个专题的文章和实验代码都被我汇总放到了https://github.com/BBuf/tvm_learn这个仓库中，当然是希望「大力点一下Star了」，感激不尽。仓库目录如下：
例如上面的%6 = call noundef i32 @_Z9factoriali(i32 noundef 2)函数调用语法，如何找到call的全部使用方法？
2000年，伊利诺伊大学厄巴纳－香槟分校（University of Illinois at Urbana-Champaign 简称UIUC）这所享有世界声望的一流公立研究型大学的 Chris Lattner（他的 twitter @clattner_llvm ） 开发了一个叫作 Low Level Virtual Machine 的编译器开发工具套件，后来涉及范围越来越大，可以用于常规编译器，JIT编译器，汇编器，调试器，静态分析工具等一系列跟编程语言相关的工作，于是就把简称 LLVM 这个简称作为了正式的名字。Chris Lattner 后来又开发了 Clang，使得 LLVM 直接挑战 GCC 的地位。2012年，LLVM 获得美国计算机学会 ACM 的软件系统大奖，和 UNIX，WWW，TCP/IP，Tex，JAVA 等齐名。
从reddit/hackernews/lobsters/meetingcpp摘抄一些c++动态。
我是从开始学C++的时候就一直用的是visual studio，毕竟宇宙第一IDE，写和调试都是超级方便快捷，唯一的缺点可能就是启动慢一点。 之前电脑没有换固态之前，用过一段时间的codeblocks，换了之后就一直用VS了。 这次换vscode的原因主要是因为最近看到CPP的一些细节的东西的时候发现VS会完全忽略掉这些错误和警告。 印象最深的是关于函数返回局部指针变量的处理： eg：
来源：AI前线(ID:ai-front) 作者: UCI Data Science Initiative
信息的本体是一连串的0101010101的bits，但是bits可以被解析为不同的含义，如何被解析就取决于上下文。
在JIT inline函数的过程中，会通过函数的bc代码，经过一系列规则、成本的判断来决定函数能否Inline，本篇重点分析这段逻辑：function_inlinable。
从工程角度来看，对日志流量进行分析是安全业务研发的重要内容。如果将与“坏人”进行安全对抗比作一场长期持久的战争，那么特征计算系统就是对抗“坏人”的重要武器系统。该系统的功能是消费日志流，进行分析计算，并输出特征信息。在传统模式下，各个特征计算模块分散、无管理、缺乏标准化，难以与其他武器系统对接，导致特征开发效率低下，进而使特征计算武器系统的威力不足。
IR 指中间表达方式，介于高级语言和汇编语言之间。与高级语言相比，丢弃了语法和语义特征，比如作用域、面向对象等；与汇编语言相比，不会有硬件相关的细节，比如目标机器架构、操作系统等。
下一代英特尔 C/C++ 编译器的表现会更加出色，因为它们将使用 LLVM 开源基础架构。
自从2014年Apple发布Swift语言以来，历时六年多，Swift已经发布到5.3版本，在5.0版本已经ABI stability，5.2版本也已经module stability，不管是语言还是基础库都日趋稳定，目前国内外大厂也都积极拥抱Swift阵营。
在Rust源代码中的rust/compiler/rustc_target/src/abi/call/mips.rs文件是关于MIPS架构的函数调用ABI(Aplication Binary Interface)定义。ABI是编程语言与底层平台之间的接口规范，用于定义函数调用、参数传递和异常处理等细节。
什么是WebAssemblely WebAssembly是一种运行在现代网络浏览器中的新型代码并且提供新的性能特性和效果。它设计的目的不是为了手写代码而是为诸如C、C++和Rust等低级源语言提供一个高效的编译目标。 对于网络平台而言，这具有巨大的意义——这为客户端app提供了一种在网络平台以接近本地速度的方式运行多种语言编写的代码的方式；在这之前，客户端app是不可能做到的。 目标 快速，高效，可移植--通过利用通用的硬件功能，可以在不同的平台上以接近原生代码执行的速度执行WebAssembly代码。
导语 | 本文将从目标及详细的步骤教学来介绍使用LLVM实现一个简单编译器，希望带领大家去理解使用LLVM实现一个编译器的完整代码运行。 一、目标 这个系列来自LLVM的Kaleidoscope教程，增加了我对代码的注释以及一些理解，修改了部分代码。现在开始我们要使用LLVM实现一个编译器，完成对如下代码的编译运行： # 斐波那契数列函数定义def fib(x) if x < 3 then 1 else fib(x - 1) +
MLIR提供了一种Toy语言来说明MLIR的定义和执行的流程。Toy语言是一种基于张量的语言，我们可以使用它来定义函数，执行一些数学计算以及输出结果。下面要介绍的例子中限制Tensor的维度是<=2的，并且Toy语言中唯一的数据类型是64位浮点类型，对应C语言中的"double"。另外Values是不可以重写的，即每个操作都会返回一个新分配的值，并自动管理释放。直接看下面这个例子：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
