程序分析与优化中，XLA的缓冲区指派是如何分配的？

本文共计1208个文字，预计阅读时间需要5分钟。

本章节是系列文章的案例学习，非正篇内容。主要介绍了TensorFlow引入的XLA优化算法。XLA具有许多局限性，但更注重并行执行。有时，若参数差异较大，也需进行分割处理。

本章是系列文章的案例学习，不属于正篇，主要介绍了TensorFlow引入的XLA的优化算法。XLA也有很多局限性，XLA更多的是进行合并，但有时候如果参数特别多的场景下，也需要进行分割。XLA没有数据切分的功能。当前最主流的编译器领域的编译优化功能还是mlir。

本文中的所有内容来自学习DCC888的学习笔记或者自己理解的整理，如需转载请注明出处。周荣华@燧原科技

• XLA是Accelerated Linear Algebra的简称。