Buddy-MLIR 项目教程
1. 项目的目录结构及介绍
Buddy-MLIR 项目的目录结构如下:
buddy-mlir/
├── benchmark/
├── cmake/
├── docs/
├── examples/
├── frontend/
├── llvm/
├── midend/
├── nix/
├── scripts/
├── tests/
├── thirdparty/
├── tools/
├── clang-format
├── gitignore
├── gitmodules
├── CMakeLists.txt
├── LICENSE
├── README.md
├── flake.lock
├── flake.nix
├── pyproject.toml
└── requirements.txt
目录介绍
- benchmark/: 包含项目的基准测试代码。
- cmake/: 包含 CMake 构建系统的配置文件。
- docs/: 包含项目的文档文件。
- examples/: 包含项目的示例代码。
- frontend/: 包含项目的前端代码。
- llvm/: 包含 LLVM 和 MLIR 的源代码。
- midend/: 包含项目的中端代码。
- nix/: 包含 Nix 构建系统的配置文件。
- scripts/: 包含项目的脚本文件。
- tests/: 包含项目的测试代码。
- thirdparty/: 包含第三方依赖库。
- tools/: 包含项目的工具代码。
- clang-format: 用于代码格式化的配置文件。
- gitignore: Git 忽略文件的配置。
- gitmodules: Git 子模块的配置。
- CMakeLists.txt: 主 CMake 配置文件。
- LICENSE: 项目的开源许可证。
- README.md: 项目的介绍和使用说明。
- flake.lock: Nix 构建系统的锁定文件。
- flake.nix: Nix 构建系统的主配置文件。
- pyproject.toml: Python 项目的配置文件。
- requirements.txt: Python 依赖库的配置文件。
2. 项目的启动文件介绍
Buddy-MLIR 项目的启动文件主要是 CMakeLists.txt 和 README.md。
CMakeLists.txt
CMakeLists.txt 是项目的主 CMake 配置文件,用于定义项目的构建规则和依赖关系。通过这个文件,用户可以配置和构建项目。
README.md
README.md 是项目的介绍和使用说明文件。它包含了项目的概述、安装步骤、构建方法、使用示例等内容。用户可以通过阅读这个文件来了解项目的基本信息和使用方法。
3. 项目的配置文件介绍
Buddy-MLIR 项目的配置文件主要包括以下几个:
CMakeLists.txt
CMakeLists.txt 是项目的主 CMake 配置文件,用于定义项目的构建规则和依赖关系。用户可以通过修改这个文件来配置项目的构建选项。
flake.nix
flake.nix 是 Nix 构建系统的主配置文件,用于定义项目的依赖和构建规则。用户可以通过这个文件来配置 Nix 构建系统。
pyproject.toml
pyproject.toml 是 Python 项目的配置文件,用于定义 Python 项目的元数据和依赖关系。用户可以通过这个文件来配置 Python 项目。
requirements.txt
requirements.txt 是 Python 依赖库的配置文件,用于定义项目所需的 Python 依赖库。用户可以通过这个文件来安装项目所需的 Python 依赖库。
clang-format
clang-format 是代码格式化的配置文件,用于定义代码的格式化规则。用户可以通过这个文件来配置代码的格式化选项。
gitignore
gitignore 是 Git 忽略文件的配置文件,用于定义哪些文件和目录不应该被 Git 跟踪。用户可以通过这个文件来配置 Git 的忽略规则。
gitmodules
gitmodules 是 Git 子模块的配置文件,用于定义项目的子模块。用户可以通过这个文件来配置项目的子模块。
LICENSE
LICENSE 是项目的开源许可证文件,用于定义项目的开源许可证。用户可以通过这个文件来了解项目的开源许可证。
README.md
README.md 是项目的介绍和使用说明文件,用于定义项目的基本信息和使用方法。用户可以通过这个文件来了解项目的基本信息和使用方法。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00