摘要：
算子扫描与递归核 这是关于如何在TVM中进行循环计算的介绍资料。递归计算是神经网络的一种典型模式。 from __future__ import absolute_import, print_function import tvm import tvm.testing from tvm import 阅读全文
摘要：
算子本质与数学函数 TVM支持基本的算术运算。在许多情况下，通常需要更复杂的内置函数。例如exp取函数的指数。 这些函数依赖于目标系统，可能具有不同目标平台的不同名称。本文将学习如何调用这些特定于目标的函数，以及如何通过tvm的内在API统一接口。 from __future__ import ab 阅读全文
摘要：
TVM中的调度原语 TVM是一种用于高效内核构造的领域专用语言。 本文将展示如何通过TVM提供的，各种原语调度计算。 from __future__ import absolute_import, print_function import tvm from tvm import te import 阅读全文
摘要：
NVIDIA GPU的神经网络自动调度 针对特定设备和工作负载的自动调整对于获得最佳性能至关重要。这是一个关于如何使用自动调度器为NVIDIA GPU调整整个神经网络的资料。 为了自动调整一个神经网络，将网络划分成小的子图并独立地进行调整。每个子图被视为一个搜索任务。任务调度器对时间进行切片，并动态 阅读全文
摘要：
ARM-CPU卷积网络的自动调谐 为特定的ARM设备自动调谐对于获得最佳性能至关重要。这是一个关于如何调整整个卷积网络的资料。 以模板的形式编写了TVM中ARM CPU的操作实现。模板有许多可调旋钮（平铺系数、矢量化、展开等）。将调整神经网络中的所有卷积和深度卷积算子。在调优之后，生成一个日志文件， 阅读全文
摘要：
x86 cpu卷积网络的自动调谐 这是一个关于如何为x86cpu调整卷积神经网络的文档。 本文不会在Windows或最新版本的macOS上运行。要让它运行，需要将主体包装在 if __name__ == "__main__": 块中。 import os import numpy as np imp 阅读全文
摘要：
NVIDIA GPU卷积网络的自动调谐 针对特定设备和工作负载的自动调整对于获得最佳性能至关重要。这是关于如何为NVIDIA GPU调整整个卷积网络。 NVIDIA GPU在TVM中的操作实现是以模板形式编写的。模板有许多可调旋钮（平铺系数、展开等）。将调整神经网络中的所有卷积和深度卷积算子。在调优 阅读全文
摘要：
编写可调模板并使用Auto-tuner自动调谐器 本文介绍在TVM自动调谐模块。 自动调谐有两个步骤。第一步是定义搜索空间。第二步是运行一个搜索算法来探索这个空间。可以学习如何在TVM中执行这两个步骤。以矩阵乘法为例说明了整个工作流程。 本文不会在Windows或最新版本的macOS上运行。要让它运 阅读全文
摘要：
用Auto-TensorCore代码生成优化matmul 将演示如何使用TVM Auto TensorCore CodeGen在Volta/Turing GPU上编写高性能matmul调度。这是一个透明的解决方案，可以生成大多数在ir过程中完成的转换的tensorcore内核。用户还可以编写带有te 阅读全文
摘要：
摘要 基于视觉的动作识别在实践中遇到了不同的挑战，包括从任何角度识别主题，实时处理数据以及在现实环境中提供隐私。甚至识别基于配置文件的人类动作（基于视觉的动作识别的一个子集），在计算机视觉中也是一个巨大的挑战，它构成了理解复杂动作，活动和行为的基础，尤其是在医疗保健应用和视频监控系统中。因此，介绍了 阅读全文