本篇文章译自英文文档 Getting Starting using TVMC Python: a high-level API for TVM 作者是 Jocelyn Shiue。更多 TVM 中文文档可访问→TVM 中文站 本节将介绍针对 TVM 初学者设计的脚本工具。 开始前如果没有下载示例模型，需要先通过终端下载 resnet 模型： mkdir myscripts cd myscripts

这篇博客主要介绍环境的搭建。 1.安装cuda和cmake，这个部分网上相关的教程很多。 2.安装llvm。llvm的版本号在4.0到6.0之间。 下载llvm源码。 链接: https://pan.baidu.com/s/1VtQeUnrj11PG6G8UGWX1gA 提取码: ikgr 。 解压该压缩文件。 tar xvJf llvm-6.0.0.src.tar.xz。 mkdir llvm-

TVM代码流程分析 TVM - 代码生成流程 本节主要介绍TVM的代码生成流程，即调用relay.build或tvm.build之后发生了什么，将深入到TVM的源代码进行剖析。（这里采用的依然是TVM v0.6） 首先区分两个build的区别：tvm.build主要针对单一算子（参照Tensor Expression一文），而relay.build是针对整个模型进行编译（参照GCN优化一文），而R

主要参考：https://tvm.apache.org/docs/install/from_source.html $git clone https://github.com/apache/incubator-tvm.git tvm && cd tvm $git submodule update --init --recursive $mkdir build && cd build && cp .

是什么 Pass又称transform，每一个transform要么把现有程序转换并优化为一个等价的程序，要么把程序lower到下层。 Pass和Schedule的区别在于，前者包括一些Schedule Primitives（调度原语），其用于生成IR，而后者是提供了修改IR的方法。 TVM中的Pass有两种： Relay层的Pass。relay/transforms/包括很多优化图结构用的Pas

TVM简介： https://blog.csdn.net/tlzhatao/article/details/93630910 TVM: An Automated End-to-End Optimizing Compiler for Deep Learning 知乎 https://www.zhihu.com/topic/20179059/hot

TVM调度原语（Schedule Primitives） TVM是用于高效内核代码构建的版本领域专用语言（Domain-Specialed-Language，DSL） 。 这篇教程，我们将展示通过TVM提供的各种原语怎么去调度计算。 from __future__ import absolute_import, print_function import tvm import numpy as

TVM Windows 安装 简介 本篇博客主要目的是帮助大家在windows平台上安装好tvm，并且可以顺利使用。 因为有项目需要使用tvm，同时自己需要用windows做一些测试，因此想要在windows上安装tvm，但是安装过程中遇到了很多的挫折，反复折腾了好几次，这次终于是能用了。 同时也希望可以帮助到大家，因为我之前在网络上几乎没有看到几篇真正有用的博客。希望本篇博客可以真正起到一定的作

环境：vmware 16 pro + ubuntu20.04 1. LLVM+CLANG安装 源码安装llvm比较复杂，而且在国内很难下载llvm源码以及子仓源码，所以直接使用llvm社区发布的二进制包安装。下载地址：https://github.com/llvm/llvm-project/releases/tag/llvmorg-13.0.0 下载后直接使用tar命令解压 tar vxf cla