临时教程

• TVM 快速上手
  • PackedFunc
    • 全局函数
    • Python 调用 C++ 接口
    • convert 函数
    • 返回节点的回调
    • 返回函数
    • 设备函数
    • 右值引用
    • numpy scalar 和 args
    • dict 函数值类型
    • Hook Python 函数作为 Extern
    • PyTorch 调用 TVM 接口
  • 解读 tvm.tir.trace()
    • trace expr 赋值
    • trace expr 加法
    • trace 常量表达式
  • 自定义 relay 算子(python)
    • 构建 reshape4d_softmax_reshape2d ONNX 算子
    • 变换 reshape4d_softmax_reshape2d 为 softmax_transpose_reshape2d
    • 声明 softmax_transpose_reshape2d 算子类型关系
    • 注册 softmax_transpose_reshape2d 算子
    • 测试 softmax_transpose_reshape2d 算子类型推断
    • 融合 mod 部分算子为 softmax_transpose_reshape2d
    • 定义 softmax_transpose_reshape2d 计算与调度
    • 验证 softmax_transpose_reshape2d 数值一致性
    • 打印带有 softmax_transpose_reshape2d 算子的量化问题
  • 重写 relay 量化算子(python)
    • 未成功量化 softmax_transpose_reshape2d 结构
    • 为 nn.softmax 添加分区规则
    • 为 nn.softmax 添加注解规则
    • 校验量化 softmax 结果
  • 自定义 VTA 算子(python)
    • 重写预处理算子
    • graph pack 预处理算子
• Tedd 可视化
  • 测试 Tedd
  • 使用 TEDD 进行可视化
    • 数据流图
    • 调度树
    • 迭代关系图
  • 可视化 Relay 模块
    • 定制解析器
• 前端模型(temp)
  • MXNET 前端模型
    • 从 mxnet gluon 模型动物园下载模型
    • 编译 Graph
    • 在 TVM 上执行可移植 Graph
    • 使用带有预训练权重的 MXNet Symbol
  • PyTorch 前端
    • 原语库
      • 深度学习框架是如何提供灵活性的？
    • PyTorch Relay 推理
      • torch.matmul
    • PyTorch 量化
  • Caffe 前端
    • Caffe 简介
  • PyTorch Relax 前端
• TVM Pass
  • 动态转静态
    • reshape 动转静
    • squeeze 动转静
    • tile 动转静
    • topk 动转静
    • broadcast_to 动转静
    • zeros_ones 动转静
    • resize2d 动转静
    • one_hot 动转静
    • full 动转静
    • upsampling 动转静
    • upsampling3d 动转静
    • pad 动转静
    • strided_slice 动转静
    • dense 动转静
    • rank 动转静
    • if 动转静
  • DivToMul
• Roofline Model
  • 测试 Roofline 模型
    • estimate_peak_flops_cpu
    • estimate_peak_flops_gpu
    • estimate_peak_bandwidth_cpu
    • estimate_peak_bandwidth_gpu
    • roofline_analysis
  • PAPI
    • PAPI 简介
• 部署入门
  • 部署 TVM 模块
    • TVM 构建
    • Relay 构建
  • 获取目标源码
  • Python 端部署
  • C++ 部署
    • 方式 A
    • 方式 B
    • Relay 部署
• 基于搜索的自动量化
  • 基于搜索的自动量化概述
  • 定点乘法
    • relay 定点乘法
    • relay 逐通道定点乘法
  • 解构 TVM 量化
  • 自定义 TVM 自动量化
    • 定义融合规则
    • 为融合函数添加 QPartitionExpr 算子
    • 消除计算图中的函数表达式
    • 注解计算图
    • 模拟量化
    • 量化实现
  • 测试自定义的 TVM 量化
• 模式
  • 数据流模式
    • 节点模式
      • ExprPattern
      • VarPattern
      • ConstantPattern
      • WildcardPattern
      • CallPattern
      • FunctionPattern
      • TuplePattern
      • TupleGetItemPattern
      • AltPattern
      • TypePattern
      • DataTypePattern
      • ShapePattern
      • AttrPattern
      • IfPattern
      • LetPattern
    • 模板匹配
      • 算子匹配
      • 回调匹配
      • 匹配函数
      • 匹配 if
      • 匹配 let
      • 可选匹配
      • 匹配常量
      • 匹配元组
      • 匹配类型
      • 匹配形状
      • 匹配算子属性
      • 匹配函数属性
      • 匹配回调属性
      • 匹配 diamond
      • at_most_one_parent 匹配
      • 匹配 dominator
    • 模式分割
      • 分割 double
      • constant embedding 分区
      • 分割 dominator
      • 分割嵌套的 dominator
      • 分割 batchnorm
        • double_batchnorm
      • 重叠分区
      • 模糊 tuple 分区
      • 模糊函数参数的分区
      • 分区检查
      • 分区可选
      • 函数分区
      • 可选函数分区
      • 模糊主体的函数分区
      • 分割 matched-outside-but-dominated
      • 将具有相同输入的并行分支分区
    • 重写模式
      • 重写模式简介
        • 替换加法为减法
        • 重写函数
        • 重写嵌套
      • 重写 double
      • rewrite_once
      • 使用模式递归重写
      • 重写模糊主体的函数
      • 重写 DFL
      • FastGlobalAvgPool
      • SqueezeExcitation
    • 融合模式
      • 不融合多钻石型结构
      • BN 融合模式
      • 四元重写支配者
    • 模式化简
  • 布局
    • 布局变换
• 计算图分割
  • 多节点编译
  • 编译外部库
    • 注解白名单
    • 其他外部编译器支持
  • 函数 lifting
    • 注解常量折叠
    • 多输出
  • 计算图分割(old)
    • mixed_single_multiple_outputs
    • multiple_use_of_an_output
• VTA 教程
  • VTA Demo
    • resnet18 模型量化
  • VTA 测试 Demo
• AI 系统
  • Caffe 模型
  • PyTorch 模型
• TVM 测试
  • ONNX 前端测试
  • RGB 转 YUV
    • RGB 与 YUV 之间的转换采用子采样技术