这篇教程的目的是MLIR的基础教程，快速了解MLIR框架的用法和功能。
MLIR它起源一方面是由于深度学习框架的兴起，因为不同的深度学习框架（TF，torch）都会有计算图的概念，于是为了优化计算图的运行，就需要图编译，于是每个框架都会自己实现图编译系统，甚至会为每一种后端去实现相应的编译软件，于是带来了软件碎片化的问题，因为每款”图编译器“都会有很多通用的地方，但是由于实现方式不同，导致无法复用。MLIR它就是提供了一套可复用的基础设施来尝试解决这个问题。
另一方面，传统LLVM IR表达的语义层次较低，并且是静态的。现代的高级语言往往是动态且具备很多高级特性。这使得从高级语言Lowing到LLVM IR较为困难且难以保持高级语言的特性。MLIR可以通过更高级的抽象表达将这些层次更高，更抽象的的信息在lowing中保留下来。
MLIR更像是一套Dialect系统，包括定义Dialect内部的Operation，Type，Attribute，Interface以及Dialect之间的转换一套基础设施。
主要内容是：定义一个名为”北极星“的方言，去完成一个softmax 算子数据并行下的编译与运行。考虑到没有相应的通讯库，以及多卡的条件，所以实际的通运和数据都只是模拟运行的。
第一阶段：定义”北极星”方言，包括类型，属性，以及接口。以及MLIR IR的结构。
第二阶段：实现IR的Pass以及变换。
第三个阶段：利用lit测试框架进行测试。
第四个阶段：进行方言的转换，将”北极星“方言下降到LLVM IR。
第五阶段：执行 “数据并行”条件下softmax算子。