TVM编译器原理与实践
￥ 89.3 7.5折 ￥ 119 全新
库存67件
北京房山
认证卖家担保交易快速发货售后保障
作者吴建明 吴一昊
出版社机械工业出版社
ISBN9787111739128
出版时间2024-01
装帧平装
开本16开
定价119元
货号1203162708
上书时间2024-06-22
- 在售商品 暂无
- 平均发货时间 8小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
第1章 TVM基本知识
1.1TVM基本原理
1.1.1TVM概述
1.1.2TVM 模型优化部署概述
1.2TVM编译过程
1.2.1编译流程
1.2.2TVM编译数据结构
1.2.3TVM编译数据处理
1.2.4TVM的Pass过程
1.3TVM开源工程逻辑架构
1.3.1代码库代码结构
1.3.2代码自动内核
1.4TVM应用支持
1.4.1TVM的工作流程
1.4.2支持多语言与多平台
1.4.3TVM应用场景
1.4.4TVM优化模型推理
1.4.5TVM编译器与运行时组件
1.4.6TVM运行时主要模块
1.4.7TVM简单代码生成编译示例
1.4.8TVM各模块之间的关系
1.5TVM特色与挑战
1.5.1TVM特色
1.5.2支持多种后端设备
1.5.3TVM应对的挑战
……
内容摘要
TVM（Tensor Virtual Machine，张量虚拟机）是一种开源的模型编译框架，旨在将机器学习模型自动编译成可供下层硬件执行的机器语言，从而利用多种类型的算力。其工作原理是，先将深度学习模型进行优化推理、内存管理与线程调度，再借用LLVM框架将模型部署在CPU、GPU、FPGA、ARM等硬件设备上。
本书全面解析TVM的主要功能，帮助读者理解TVM工作原理，以及使用 TVM对深度学习与机器学习进行优化与部署。
本书结合作者多年的工作与学习经验，力求将TVM基础理论与案例实践融合在一起进行详细讲解。全书共9章，包括TVM基本知识，使用TVM开发，算子融合与图优化，TVM量化技术，TVM 优化调度，Relay IR，代码生成，后端部署与OpenCL（Open Computing Language，开放运算语言），自动调度、自动搜索与成本模型。各章除了包含重要的知识点和实践技能外，还配备了精心挑选的典型案例。
本书适合从事AI算法、软件、编译器开发以及硬件开发等专业的工程技术人员、科研工作人员、技术管理人员阅读，也可以作为编译器相关专业高校师生的参考用书。
主编推荐
人工智能（Artificial Intelligence，AI）已经在全世界信息产业中获得广泛应用。深度学习模型推动了AI技术革命，如 TensorFlow、PyTorch、MXNet、Caffe等。大多数现有的系统框架只针对小范围的服务器级 GPU进行过优化，因此需要做很多的优化努力，以便在汽车、手机端、物联网设备及专用加速器（FPGA、ASIC）等其他平台上部署。随着深度学习模型和硬件后端数量的增加，TVM构建了一种基于中间表示 (IR)的统一解决方案。TVM不仅能自动优化深度学习模型，还提供了跨平台的高效开源部署框架。大模型的热度逐渐上升，将人工智能理论及算法框架转为落地项目实现，TVM是一个很好的桥梁。因此，本书将得到广大读者的喜爱。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价