分析原因型思维模型框架_TVM深度分析（3）：TVM如何支持不同DL框架模型

Step1：DL模型解析

针对不同的DL框架及模型格式，TVM提供了不同的前端解析脚本，存放位置为：vmpythonvmelayfrontend，如下图所示：

TVM通过调用不同DL框架的API对已训练好的模型进行解析，以Tensorflow模型解析为例(from_tensorflow.py)

如上述代码所示，调用TF API完成对NN Graph的解析及模型参数的提取。

Step2：遍历DL模型Node Tree，转化为TVM Node Tree

首先检测对模型OP的支持能力，missing_operators = self._parse_import_prerequisites(graph)，检查是否支持所有的OP，返回TVM暂不支持的OP集合。实现如下：

如上所示，除了占位符及常量类型的参数外，分别从4个list中做检索，其中_identity_list中存储的是DL框架中OP名称与TVM中OP名称一致，不需要做转换，Tensorflow为空； _convert_map_rnn 循环神经网络OP的映射；代码如下：

_control_flow_nodes 控制节点，仅tensorflow需要，代码如下：

重点需要关注的是_convert_map，其中存储的是DL框架通用方法与TVM方法的映射：

如上所示，左侧为DL模型OP Node的名称，右侧为TVM中相对应的TVM Node OP，处理代码如下：

op = self._convert_operator(node.op, inputs, attr, graph)

以“'Conv2D' : _conv('conv'),”为例，其执行结果(以Index Expression形式展现)示例如下：

注意OP的输入是此OP之前的子树，所以输出会包含此OP之前所有的TVM Node OP信息。

const类型的NODE通常存储的是模型参数，解析出来之后格式如下图所示：

如上所示分别是dtype,shape及具体数据。