031、SCF Dialect：结构化控制流（for, while, if）

原创已于 2026-06-22 10:02:27 修改 · 62 阅读

0 GEO检测

标签

#python #人工智能 #开发语言 #深度学习 #mlir

#嵌入式硬件 #算法

收录于

于 2026-06-22 10:00:34 首次发布

《MLIR与算子中间表示：从理论到实践》专栏收录该内容

32 篇文章 ¥19.90 ¥99.00

订阅专栏

031、SCF Dialect：结构化控制流（for, while, if）

从一次循环展开翻车说起

上个月调一个AI推理加速器后端，发现生成的LLVM IR里循环结构乱成一锅粥。明明MLIR前端写的是嵌套for循环，结果下游Pass一跑，循环边界被拆成标量加减，循环体里插满了条件跳转。调试器里单步走，PC指针像喝醉了酒——该循环的地方不循环，不该跳的地方乱跳。

后来定位到问题：前端生成的SCF（Structured Control Flow）操作被过早地降级成了CFG（Control Flow Graph）形式。SCF Dialect里那些漂亮的for、while、if结构，一旦被拆成基本块和跳转指令，后续优化Pass就再也认不出“这是一个循环”了。这个教训让我重新审视SCF的设计哲学——它不是为了“能跑”，而是为了“能被优化”。

SCF到底在解决什么问题

MLIR里最底层的控制流是Region + Block + BranchOp，这玩意儿跟LLVM IR的CFG本质上是一回事。但问题在于：当你看到一个由十几个基本块组成的循环时，你很难一眼看出循环边界在哪里、步长是多少、有没有循环不变量。

SCF Dialect就是给控制流穿上“结构化”的外衣。它把for、while、if这些高级控制流模式封装成独立的Operation，每个Operation内部自带Region，Region里再嵌套Block。这样做的直接好处是：下游Pass可以“按图索骥”，直接读取循环的lb、ub、step，而不需要做数据流分析去反推。</

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

人工智能1211

关注关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

015、MLIR的Builder与OpBuilder：动态构建IR

Jack010169的博客

06-10

202

本文探讨了MLIR中Builder与OpBuilder的使用技巧与常见陷阱。作者通过实际调试经验，指出OpBuilder插入点设置的重要性，并详细解析了两者的区别：Builder负责创建类型/属性等基础元素，OpBuilder则专注于操作构建与插入点管理。文章提供了动态构建函数和控制流结构的代码示例，强调在Block切换、Region嵌套时的注意事项，并分享了Listener模式、批量创建优化等高级技巧。最后总结了插入点检查、RAII管理等实用经验，帮助开发者避免常见错误。

参与评论您还未登录，请先登录后发表或查看评论

MLIR Dialect抽象塔：从张量到指令的逐层解码

weixin_42569329的博客

04-13

182

本文深入解析了MLIR Dialect抽象塔的核心概念与应用实践，从高层的张量操作到底层的硬件指令逐层解码。通过矩阵乘法实例展示了MLIR如何实现不同抽象层级的无缝转换与优化，特别强调了Dialect在多层级表示中的关键作用。文章还分享了跨层级优化、性能调优等实战经验，为开发者提供了一套完整的MLIR应用方法论。

MLIR专题10：下译LLVM IR

fangfanglovezhou的博客

06-12

132

MLIR专题10：下译LLVM IR

Python复杂控制流转MLIR多级Dialect方案

专注AI智能体前沿技术探索，为企业提质降本增效全面赋能！

05-27

本文探讨了将TVA系统中的Python算法（含复杂控制流）转换为MLIR多级Dialect的系统工程方法。核心策略是通过分层抽象和渐进式降级，将Python动态语义映射到静态MLIR表示。转换过程分为五个阶段：前端捕获Python语义、控制流结构化、数据流显式化、循环优化和硬件映射。关键技术包括类型推断、副作用建模、利用TorchScript等现有框架作为桥梁，以及处理动态特性的策略。文章通过具体代码示例展示了转换步骤，并分析了动态类型、控制流等挑战的应对方案。这种转换能实现Python算法与C++引擎的深

MLIR专题4：常用数据结构

fangfanglovezhou的博客

06-08

142

核心作用：向全局注册你方言独有的编译期常量/配置标签格式（Custom Attribute）。工业级应用场景：在为 NPU 算子编写硬件指令发射 Pass 时，算子往往带有很多专有的静态配置。比如一个卷积算子，它的padding策略是SAME还是VALID？它的硬件流水线切片模式（Tiling Strategy）是按 X 轴切还是按 Y 轴切？你可以把这些复杂的配置信息定义为方言特有的Attribute（如!通过注册后，这个属性格式就被框架正式承认，并开始享受和原生属性一样的编译期哈希去重待遇。

Python图片压缩方法全解：从入门到进阶

最新发布

得塔云的博客

06-19

401

本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。

24-Django请求全链路-WSGI到数据库响应的完整旅程

weixin_44081096的博客

06-15

1319

你点了浏览器的"刷新"按钮，0.5 秒后页面渲染完毕。这 0.5 秒里发生了什么？本文把 Django 处理一个 HTTP 请求的完整链路拆为六个步骤：WSGI Server 接收 TCP 连接 → 中间件栈的洋葱模型逐层处理 → URL 路由匹配 → View 执行业务逻辑 → ORM 生成 SQL 并发送到数据库 → Template 渲染或 JSON 序列化返回响应。每一步都配有对应的源码位置和关键代码片段，读完你能对一个请求的全生命周期建立起清晰的空间模型。穿插真实调试经历——一个中间件错误导致所有

CUDA C++ 矩阵乘法详解：从 CUBLAS 示例到 cublasSgemm 实战

插件开发

06-15

779

本文解析了使用NVIDIA CUBLAS库进行高性能矩阵乘法的关键注意事项。由于CUBLAS采用列主序存储，而C/C++使用行主序，直接调用cublasSgemm(A,B)会导致隐式转置，实际计算的是Aᵀ*Bᵀ。正确做法是颠倒参数顺序调用cublasSgemm(B,A)，这样既避免了显式转置，又能直接获得行主序结果。文中提供了完整的CUDA代码示例，包括CPU参考实现、矩阵初始化和误差检查函数，并详细解释了行/列主序转换的原理，帮助开发者正确使用CUBLAS进行高效矩阵运算。

鸿蒙PC迁移：fontTools Python 三方库鸿蒙PC适配全记录

knighthood2001

06-15

5515

欢迎加入鸿蒙PC开发者社区，共同打造开发者工具生态：鸿蒙PC开发者社区：https://harmonypc.csdn.net/项目开源地址：https://atomgit.com/OpenHarmonyPCDeveloper/ohos_fontTools欢迎在PC社区平台申请新建项目：https://atomgit.com/OpenHarmonyPCDeveloper这篇文章记录的是一次把 Python 字体处理三方库fontTools接入 HarmonyOS PC / 鸿蒙 PC 应用的完整过程。

AI Infra 硬件体系与编程模型：18. CUDA编程基础：使用 PyTorch CUDA Extension 实现自定义算子

basketball616的博客

06-17

454

本文详细介绍了PyTorch CUDA扩展的开发方法与架构。主要内容包括：开发动机：解决原生算子不足、Python实现性能差、需要算子融合和硬件特性定制等问题三层架构： CUDA核函数层：纯GPU计算逻辑 C++封装层：连接PyTorch与CUDA，处理张量转换 Python层：提供用户接口核心依赖：ATen张量库作为基础，通过torch/extension.h头文件提供统一接口关键技术：使用pybind11实现Python-C++绑定支持即时编译(JI

python打包

小小的博客

06-15

303

在Python打包工具的选型上，没有绝对的"最好"，只有"最适合"。简单来说：追求省心就用 PyInstaller，追求极致性能和保护就用 Nuitka，而 cx_Freeze 目前更像是一个夹在中间但已逐渐边缘化的选择。这三者的详细核心区别，可以参考下面的对比表格：基于上述对比，你可以根据你的项目情况来决策：从目前的社区活跃度和技术演进来看，cx_Freeze已逐渐边缘化。它既没有PyInstaller的便利性，也没有Nuitka的性能优势。配置相对复杂，社区支持也较弱。除非你在维护一个必须使用它的历史项

Hermes Agent 中 Skills 与 Tools 的关系分析

LOUISLIAOXH的专栏

06-16

292

Hermes Agent 中 Skills 与 Tools 的关系分析 Hermes Agent 将 Skills 功能通过 3 个独立 tool（skills_list、skill_view、skill_manage）暴露给大模型，而非单一工具。这些工具注册在 skills toolset 下，并在系统初始化时加载。内容装载采用三级机制：系统提示注入：初始化时在 system prompt 中嵌入紧凑的技能索引（仅名称和简介）；工具 Schema 描述：每次 API 调用携带详细功能说明；按需加载

衣览无余测试报告

XU_very_NB的博客

06-16

232

本次测试工作以 AIWear Web 系统为对象，结合手工测试用例设计与 Python + Selenium 自动化测试脚本，对系统的登录认证、图片编辑、图片合并、图片管理、文搜图和历史记录等核心链路进行验证，重点关注页面功能正确性、登录态 token 传递、输入校验、图片选择及结果展示的稳定性。AIWear 项目围绕“衣览无余”的业务目标，提供基于 Web 的图片编辑、图片合并、我的图片、历史记录等功能，帮助用户通过简单的页面操作完成图片生成与管理。测试过程中重点关注登录态 token 的复用。

JUC 总结：从 Java 内存模型到线程池的并发核心梳理

2301_80821045的博客

06-15

578

本文总结了Java并发编程（JUC）的基础知识要点：进程与线程：进程是资源分配的最小单位，线程是调度的最小单位，线程更轻量级且切换成本低；线程创建方式：继承Thread类、实现Runnable/Callable接口、使用线程池（推荐）； Runnable与Callable区别：Callable有返回值且可抛异常，需通过FutureTask适配；线程状态：新建、可运行、阻塞、等待、定时等待和终止6种状态；线程控制：start()启动新线程，run()同步执行；join()实现顺序执行，CountDow

为什么Python不用var或let声明变量？

这家伙很懒，什么都没有留下

06-18

335

语言声明关键字作用域规则需要类型吗？Python无（赋值即声明）函数级作用域否（注解可选）JavaScriptvarletconstletconst是块级，var是函数级否Java类型在前块级是C类型在前块级是Govar:=块级是Rustletlet mut块级是C++类型在前/auto块级是没有任何声明关键字。为什么Python不用var或let？设计哲学：赋值即声明，简洁明了，减少冗余语法历史因素：Python从一开始就这么设计，没有历史包袱避免复杂。

FastAPI 全栈后端（八）：部署与运维

放下华子我只抽RuiKe5的博客

06-14

419

本文总结了FastAPI后端开发的关键实践，涵盖环境配置、部署优化、监控与安全等方面。主要内容包括：环境管理：使用Pydantic配置类区分开发/生产环境，通过.env文件管理敏感变量部署方案：开发环境：Uvicorn热重载生产环境：Gunicorn+Uvicorn多进程 Docker容器化集成PostgreSQL 运维保障：实现健康检查接口，配合Nginx负载均衡安全实践：环境变量隔离、结构化日志记录技术体系：完整路线图涵盖RESTful、异步数据库、JWT认证、测试等核心模块作者Yardo

计算机二级Python备考资料

m0_67097444的博客

06-17

244

操作：append()、extend()、insert()、remove()、pop()、sort()、reverse()基本数据类型：int(整数)、float(浮点数)、str(字符串)、bool(布尔值)操作：keys()、values()、items()、get()、update()序列操作：len()、max()、min()、sum()、sorted()操作：add()、remove()、并集(|)、交集(&)、差集(-)打开模式：r(读)、w(写)、a(追加)、r+(读写)、b(二进制)

如何使用鳄鱼线做股票交易（下）：量化代码实现与避坑指南

weixin_73631017的博客

06-17

477

本文介绍了如何用Python实现鳄鱼线量化交易策略，重点解析了趋势判断、入场逻辑和常见陷阱。文章首先阐述了鳄鱼线的三大核心交易规则：通过三条均线的排列识别趋势方向，用价差扩散判断趋势强度，并设置多条件过滤无效信号。特别强调了均线平移(shift)的正确用法，指出错误的平移会导致未来函数问题，使回测结果失真。随后提供了完整的Python代码实现，包括SMMA计算、信号生成、回测框架和可视化功能。最后建议读者通过实践掌握时序数据处理、多条件组合等量化技能，并指出鳄鱼线的核心价值在于趋势过滤而非涨跌预测。全文突出

基于卷积神经网络的图像分类系统

wyh293的博客

06-18

271

随着人工智能技术的快速发展，图像分类作为计算机视觉领域的核心任务之一，在智能安防、医疗影像诊断、工业质检、自动驾驶等场景中展现出巨大应用价值。传统机器学习方法依赖人工特征提取，泛化能力弱、鲁棒性差；而深度学习，尤其是卷积神经网络（CNN），凭借其强大的局部感知、权值共享与层次化特征学习能力，已成为图像分类任务的事实标准。本文围绕构建一个高精度、可部署、易扩展的端到端图像分类系统展开研究，基于PyTorch框架设计并实现了一套完整的CNN图像分类系统，涵盖数据预处理、模型构建（ResNet-...

AI掘金头条新闻系统 (Toutiao News)-获取浏览历史列表

2402_84971234的博客

06-17

262

本文描述了实现用户新闻浏览历史功能的三个核心模块：1) 定义历史记录数据模型HistoryNewsItemResponse和分页响应模型HistoryListResponse；2) 通过CRUD操作实现分页查询历史记录，包含联表查询新闻详情并按浏览时间倒序排列；3) 提供API路由接口，支持分页参数验证并返回格式化响应。整个实现采用Pydantic进行数据验证和序列化，支持字段别名映射，确保接口返回包含历史ID、浏览时间等信息的新闻列表，同时附带分页元数据（总数、是否有更多数据）。