antd picker 使用 如何_TVM深度分析（4）：TVM如何转换DL模型中的OP

在转换过程中也必然涉及到TVM OP的2方面的工作：所有TVM Node OP的Expression通常是以命名为Make##OpName函数实现，比如MakeMaxPool2D；TVM继承了Halide的思想，将OP计算形式与计算调度分开(类似于逻辑计划与物理计划的分离)，所以TVM OP的实现过程由Compute与Schedule两部分组成。

下面以conv2D为例，讲解其在TVM中的具体实现。

TVM解析TF Modle会将Conv2D OP映射为 _conv(‘conv‘)，如上图红色部分为执行_conv(‘conv’)函数后新增表达式，_conv()函数实现大致如下：

执行结果示例1：

执行结果示例2：

直接关注卷积的实现，其中_dimension_picker('conv')的作用是根据卷积维度返回新的OP名称，这里返回值为”conv2d”。而AttrCvt类构造及调用实现如下：

在get_relay_op函数中如果op_name指定目录，则从指定目录中查找函数实现，如果没有指定目录，则依次从op目录、op/nn目录、op/image目录、op/vision目录查找。

conv2d返回的函数位置为nn.conv2d,其表达式生成函数为_make.conv2d。

对应_make.conv2d函数的设计如下：

注意上述CallNode::make(…)函数生成TVM Node，Node能够转换为索引表达式形式，其实现如下：

Conv2d的compute与schedule的实现代码如下：

conv2d compute之一 conv2d_nchw实现示例：

其对应的schedule为：

如何优化schedule？TVM提供了如下的方法：Blocking、Vectorization、Loop Permutation、Array Packing、Write cache for blocks、Parallel等，合理地使用这些优化方法可以获得更好的计算性能。详见《How to optimize GEMM on CPU》https://docs.tvm.ai/tutorials/optimize/opt_gemm.html

显然对于不同的硬件平台，TVM均提供了相应的compute及schedule代码。在Frontend处理阶段，DL的conv2D操作被映射为nn.conv2d。在Backend的codegen阶段，TVM设计了一套dispatch机制，可以将topi.nn.conv2d dispatch到目标硬件平台的分支，比如cuda平台，最终会调用到conv2d_cuda()。调用堆栈如下：

其实现机制在后继Backend章节讲解。