最近开始在学习编译原理。原因是这么多年以来，一直做企业信息应用系统方面的开发。对于开发具体的业务功能当然早就驾轻就熟，不过当想进一步开发相对基础的功能，比如报表，模版或者动态表单什么的，就有点力不从心。但是，以现在行业技术的发展来看，已经不可能再停留在开发业务代码的程度上了。尤其是近年来，出现了越来越多的所谓无代码开发平台，如果不能跟进学习，自己恐怕也要被淘汰了。所以，就
转载
2024-01-21 10:19:24
30阅读
编译器前端将用户代码解析得到计算图 IR，并且做了一些和计算设备无关的通用优化。编译器后端做的优化就和具体的设备有关了（不同设备有不同
原创
2024-08-09 11:19:38
61阅读
# 如何实现TVM深度学习编译器
## 引言
TVM（TVM Tensor Virtual Machine）是一个深度学习编译器和优化器，它旨在将深度学习模型部署到各种硬件平台上，以提高模型的性能和效率。对于刚入行的开发者来说，学习和实现TVM深度学习编译器可能会感到有些困惑。本文将指导你一步一步实现TVM深度学习编译器的过程。
## 整体流程
下面的表格展示了实现TVM深度学习编译器的主要步
原创
2023-11-10 09:01:27
119阅读
# 深度学习编译器实现指南
## 1. 介绍
在深度学习领域，编译器是一个非常重要的工具，可以帮助优化深度学习模型的性能和效率。本文将教你如何实现一个简单的深度学习编译器。
## 2. 流程图
```mermaid
erDiagram
理解需求 --> 设计编译器
设计编译器 --> 实现编译器
实现编译器 --> 测试编译器
测试编译器 --> 优化编译器
原创
2024-06-22 03:37:41
92阅读
# 深度学习编译器课程：引言与实践
深度学习已成为现代计算机科学的重要组成部分，其核心在于高效的算法与模型。然而，随着模型规模的增大，如何高效地运算和执行深度学习模型成为了一个亟待解决的问题。这时，深度学习编译器便应运而生。本文将为您介绍深度学习编译器的基本概念、工作流程，并通过代码示例及类图进一步加深理解。
## 深度学习编译器的概念
深度学习编译器是将深度学习模型转换为高效运行代码的工具
原创
2024-09-23 06:57:10
46阅读
# 深度学习编译器测试
深度学习编译器是将深度学习模型运行在不同硬件平台（如CPU、GPU、TPU）上的重要工具。随着深度学习的快速发展，编译器的性能直接影响到模型的运行速度与效率。因此，对深度学习编译器的测试显得尤为重要。
## 深度学习编译器的工作原理
深度学习编译器的主要任务是将高层的深度学习模型（如TensorFlow、PyTorch等）转换成低层的机器代码。这个过程通常包括以下几个
原创
2024-09-11 06:17:13
130阅读
# 自学深度学习编译器：编写高效模型的钥匙
深度学习是一项日益重要的技术，推动着图像识别、自然语言处理等多个领域的进步。而编译器作为将高级代码转换为低级机器代码的重要工具，对于提升深度学习模型性能至关重要。本文将介绍如何自学深度学习编译器，并通过代码示例帮助你更好地理解这一领域。
## 深度学习编译器的基本概念
深度学习编译器的任务是将深度学习模型从框架（如TensorFlow或PyTorc
原创
2024-10-12 06:47:08
64阅读
符号式编程 vs 命令式编程在这一节，我们先来比较符号式程序（symbolic style programs）和命令式程序（imperative style programs）两种形式。如果你是一名Python或者C++程序员，那你应该很熟悉命令式程序了。命令式程序按照我们的命令来执行运算过程。大多数Python代码都属于命令式，例如下面
1 前言无论我们多么关心程序性能，在开始担心优化效果之前，我们首先需要能够工作的代码。编写清晰、直观的深度学习代码非常具有挑战性，任何实践者必须处理的第一件事就是语言语法本身。在众多的深度学习库中，每种库都有自己的编程风格。在本文中，我们将重点讨论两个最重要的高级设计决策：数学计算是采用符号范式还是命令式范式；是构建更大(更抽象)的网络，还是构建更多原子操作的网络。自始至终，我们将重点关注编程模型
转载
2023-10-05 14:08:59
45阅读
深度学习编译器和runtime的实现流程如下：
步骤 | 操作
--- | ---
1 | 确定深度学习模型
2 | 设计编译器和runtime架构
3 | 实现编译器
4 | 实现runtime
5 | 运行和测试
首先，我们需要确定要使用的深度学习模型。这可以根据具体的应用需求来选择，比如图像分类、目标检测或者自然语言处理等。选择一个合适的模型是成功实现深度学习编译器和runtime的关键
原创
2023-12-31 07:02:07
176阅读
TVM 出现背景 传统深度学习框架：对上图的补充说明：Graph IR：几层的Conv2d, Relu Operators: 比如矩阵乘法 TVM栈如下图： 把Operators换成了Tensor Expr, 生成代码后交给LLVM,CUDA编译器。即，通过编译的方式去解决，优点是通用性强，可部署到任何有编译器的环境中（比如手机、汽车）。AutoTVM：是learning based optimi
转载
2023-10-13 23:32:45
130阅读
0x0. 介绍大家好呀，在过去的半年到一年时间里，我分享了一些算法解读，算法优化，模型转换相关的一些文章。这篇文章是自己开启学习深度学习编译器的第一篇文章，后续也会努力更新这个系列。这篇文章是开篇，所以我不会太深入讲解TVM的知识，更多的是介绍一下深度学习编译器和TVM是什么？以及为什么我要选择学习TVM，最后我也会给出一个让读者快速体验TVM效果的一个开发环境搭建的简要教程以及一个简单例子。0x
原创
2022-04-19 16:51:27
1271阅读
一、1、编辑器与编译器的区别：编译器就是将“一种语言（通常为高级语言）”翻译为“另一种语言（通常为低级语言）”的程序。一个现代编译器的主要工作流程：源代码 → 预处理器 → 编译器 → 目标代码 → 链接器 → 可执行程序。而编辑器是软体程序，一般是指用来修改电脑档案的编写软件。常见的编辑器有文本编辑器、网页编辑器、源程序编辑器、图像编辑器，声音编辑器和视频编辑器等。编译器是把源代码编译成二进制字
转载
2023-11-30 22:14:37
90阅读
# 实现深度学习编译器 TVM 代码串讲
## 介绍
作为一名经验丰富的开发者，我将引导你学习如何实现深度学习编译器 TVM 代码串讲。TVB是一个深度学习编译器和优化库，它可以帮助我们优化深度学习模型的运行速度和效率。在本文中，我会教你整个过程的步骤以及每一步需要做什么。
## 流程图
```mermaid
journey
title TVM代码串讲实现流程
section
原创
2024-05-26 06:01:03
81阅读
IR 是编译器用于表示源代码的数据结构或代码，是程序编译过程中介于源语言和目标语言之间的程序表示。几乎所有的编译器都需要某
原创
2024-08-09 11:19:34
0阅读
文章目录什么是TVM传统的编译器：LLVM（low level virtual machine）神经网络编译器TVM（tensor virtual machine)TVM能做什么how to use TVM 什么是TVM本部分参考 “TVM等神经编译器概览：它是连接深度学习框架和硬件的桥梁” ，讲解通俗易懂传统的编译器：LLVM（low level virtual machine） LLVM通过
转载
2023-11-28 21:02:57
371阅读
DLPack构建跨框架的深度学习编译器 Tensorflow，PyTorch和ApacheMxNet等深度学习框架提供了一个功能强大的工具包，可用于快速进行原型设计和部署深度学习模型。易用性通常是以碎片为代价的：孤立地使用每个框架是很容易的。垂直集成已使常见用例的开发流程简化了，但是冒险走过的路可能
转载
2021-03-09 05:51:00
82阅读
2评论
目录说明配置环境此节说明代码 说明本博客代码来自开源项目：《动手学深度学习》(PyTorch版) 并且在博主学习的理解上对代码进行了大量注释，方便理解各个函数的原理和用途配置环境使用环境：python3.8 平台：Windows10 IDE：PyCharm此节说明此节对应书本上6.7节 此节功能为：门控循环单元（GRU）的从零实现由于次节相对容易理解，代码注释量较少代码# 本书链接https:/
转载
2023-05-25 14:00:38
190阅读
深度编译器让用户仅需专注于上层模型开发，降低手工优化性能的人力开发成本，进一步压榨硬件性能空间。阿里云机器学习PAI开源了业内较早投入实际业务应用的动态shape深度学习编译器 BladeDISC，本文将详解 BladeDISC的设计原理和应用。
原创
精选
2022-03-07 10:14:14
426阅读
# 在Linux下使用编译器学习深度学习
在开始学习深度学习之前，了解如何在Linux系统中设置一个高效的编译和开发环境是十分重要的。本文将为你详细介绍如何选择合适的编译器，并通过具体步骤指导你在Linux上配置深度学习环境。本文将分为几个主要部分，包括整个过程的流程图、每一步的详细指引、代码示例及其注释。
## 流程概述
首先，我们将整个设置过程以表格的形式展示，帮助你清晰地理解每一步骤。
原创
2024-08-30 07:36:22
46阅读
