TVM 各个模块总体架构

最新推荐文章于 2025-02-17 01:07:32 发布

wujianming_110117

最新推荐文章于 2025-02-17 01:07:32 发布

阅读量1.7k

点赞数

分类专栏： GPU，NPU，XPU，DPU，MPU 智能推理实战开发&程序设计

吴建明

本文链接：https://blog.csdn.net/wujianing_110117/article/details/117852343

版权

本文探讨了TVM深度学习框架的总体架构，从现有深度学习框架的局限性出发，介绍了学习型学习系统，特别是针对Tensor程序的优化问题。文章详细阐述了成本模型驱动的方法，包括统计成本模型、基于树和神经网络的程序感知建模，并讨论了跨设备的可转移成本模型。此外，还介绍了TVM如何通过Tensor Expression和优化搜索空间实现硬件感知，以及为TPU-like加速器设计的搜索空间。TVM的组件如 Relay 虚拟机、uTVM 和 TSIM 支持未来硬件和异构设备的统一运行时，确保了跨平台的高性能推理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TVM 各个模块总体架构

在这里插入图片描述

Deploy Deep Learning Everywhere
在这里插入图片描述

Existing Deep Learning Frameworks
在这里插入图片描述

Limitations of Existing Approach
在这里插入图片描述

Learning-based Learning System
在这里插入图片描述

Problem Setting
在这里插入图片描述

Example Instance in a Search Space
在这里插入图片描述

Optimization Choices in a Search Space

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。