-sdy-add-data-flow-edges
为每个数据流边插入 DataFlowEdgeOp。
为数据流边的所有所有者值（即 getDataFlowEdgeOwners 针对模块中的每个操作返回的所有值）插入 DataFlowEdgeOp。
插入的 DataFlowEdgeOp 将采用所有者目标的现有分片（如果存在）。
-sdy-apply-sharding-constraints
应用用于决定其输入分片的约束条件。
如果 ShardingConstraintOp 满足以下所有条件，则将其分片复制到其输入：
- 输入没有现有的分片。
ShardingConstraintOp的分片已完全关闭。- 输入中没有其他类型为
ShardingConstraintOp或ManualComputationOp且采用不同分片的用户。
这些条件表明 ShardingConstraintOp 决定了其输入的分片方式。
如果输入由 DataFlowEdgeOp 生成，则我们会将所有 input 用法替换为 ShardingConstraintOp，而不是设置操作的分片，以避免限制边缘的所有目标的分片。
请注意，无论是否进行此传递，ShardingConstraintOp 的分片都会在传播期间传播到其输入或用户，但由于维度的 closed 属性不会传播，因此请务必复制分片，以便在上述情况下完全遵循约束条件。
此外，如果张量被满足以下所有条件的 ShardingConstraintOp 链使用：
- 该张量不是由
ShardingConstraintOp生成的，并且没有任何其他类型为ShardingConstraintOp或ManualComputationOp的其他用户； - 链中的所有
ShardingConstraintOp（除了最后一个）都不会重复使用； - 链中的最后一个
ShardingConstraintOp没有任何类型为ShardingConstraintOp或ManualComputationOp的用户（否则，它不是链中的最后一个）；
然后，此传递会将链的输入的所有其他用法（在链中的最后一个 ShardingConstraintOp 之后 [并在同一代码块内] 定义）替换为链的结果，因为它应决定这些用法的分片。
-sdy-constant-splitter
拆分常量子计算，以便每个子计算都只使用一次。
拆分常量子计算，使其具有单个用户。
这可确保在常量子计算的不同用法之间不会传播分片，因为这被视为虚假依赖项（常量的用法不应仅因使用相同的常量而以相同的方式进行分片）。实际上，每种用法可以具有不同的分片，这些分片可以独立传播到常量子计算的各自副本。
常量子计算可以是：
- 常量或 iota 运算（无运算数）
- 广播、切片或纯元素级运算，其操作数都由常量子计算（递归）定义，以及定义其操作数的整个子计算。
请注意，在常量子计算中，某个值可以在该子计算中多次使用。
-sdy-lift-inlined-meshes
将分片中的内嵌 MeshAttr 提升为符号 MeshOp。
将 TensorShardingAttr 中的任何内嵌 MeshAttr 替换为网格符号名称，引用模块中的现有或新 MeshOp，以便没有两个 MeshOp 具有相同的 MeshAttr（现有 MeshOp 也会被删除重复项）。
每个新 MeshOp 的名称将是：
maximal_mesh_{device-id}（对于最大网格，即空轴列表和单个设备 ID），或- [
mesh、mesh_0、mesh_1、…] 中第一个可用的名称。
-sdy-manual-axes-cleanup
清理了 ManualComputationOp 中手动轴的使用
- 对于未指定手动轴的任何入/出分片，请将该手动轴添加到其 replicated_axes。这是为了确保始终完全指定手动轴。
- 按网格轴声明顺序对手动轴进行排序。
-sdy-sharding-group-import
对分片组进行了规范化和验证。
在导入时对分片群组应用规范化和验证。具体包括：
分片群组统一
使用组成员资格的传递性属性组合分片组。每当张量 T 同时位于分片组 G1 和分片组 G2 中时，我们都可以推断出 G1 和 G2 中的所有成员都应采用相同的方式进行分片。因此，我们可以将 G1 和 G2 合并为一个组。合并后，一组最小组的规范组 ID 将为 0,1,...N-1。
分片群组验证
验证分片组的格式是否正确，以及是否符合实现中的假设。目前，此断言表示，如果分片组包含在
ManualComputationOp块中定义的Value，则该组中的所有其他值都必须位于同一块中。