• 题目：Intel nGraph An Intermediate Representation, Compiler, and Executor for Deep Learning
• 时间：2018
• 会议：The Conference on Systems and Machine Learning (SysML)
• 研究机构：英特尔

1 abstract & introduction

有很多的神经网络架构，有很多的硬件平台p，复杂度是O(fp)，需要用与架构无关的中间表示层IR来降低复杂度

这是英特尔搞的中间层，现在支持的是英特尔CPU，英特尔Nervana Neural Network Processor(NNP)，英伟达的GPU，

2 related work

这里列举了一些已有的编译器和IR

• XLA：谷歌的，面向TensorFlow
• TVM：陈天奇带头的，中间层是NNVM
• DLVM：伊利诺伊大学香槟分校，
• ONNX：英特尔的，要跟nGraph互通

3 intermediate representation & framework bridges

无环有向图、每个结点处理张量、nGraph在tensor element layout和axis之间没有固定的关系

• Apache MXNet：模型的操作存储成NNVM图，只要把NNVM转换成nGraph
• TensorFlow：用HLO中间表示，把他转换成nGraph即可
• neon：将nGraph API绑定到Python