吴建明

摘要： NNVM AI框架编译器 深度学习已变得无处不在且不可或缺。看到对在多种平台（例如手机，GPU，IoT设备和专用加速器）上部署深度学习工作负载的需求不断增长。TVM堆栈弥合深度学习框架与面向性能或效率的硬件后端之间的鸿沟。TVM堆栈使为深度学习框架轻松构建端到端编译变得容易。拥有适用于所有框架的统一 阅读全文

摘要： Deep Learning部署TVM Golang运行时Runtime 介绍 TVM是一个开放式深度学习编译器堆栈，用于编译从不同框架到CPU，GPU或专用加速器的各种深度学习模型。TVM支持来自Tensorflow，Onnx，Keras，Mxnet，Darknet，CoreML和Caffe2等各种 阅读全文

摘要： 使用Relay部署编译ONNX模型 本文介绍如何使用Relay部署ONNX模型的入门。 首先，必须安装ONNX软件包。 一个快速的解决方案是安装protobuf编译器，然后 pip install onnx --user 或参考官方网站。 https://github.com/onnx/onnx i 阅读全文

摘要： TVM交叉编译和远程RPC 本文介绍了TVM中使用RPC的交叉编译和远程设备执行。 使用交叉编译和RPC，可以在本地计算机上编译程序，然后在远程设备上运行它。当远程设备资源受到限制时（如Raspberry Pi和移动平台），此功能很有用。本文将使用Raspberry Pi作为CPU示例，并使用Fir 阅读全文

摘要： 自动生成低精度深度学习算子 深度学习模型变得越来越大，越来越复杂，由于其有限的计算和能源预算，部署在低功耗电话和IoT设备上变得充满挑战。深度学习的最新趋势是使用高度量化的模型，该模型可对输入和几位权重进行操作，诸如XNOR-Net，DoReFa-Net和HWGQ-Net之类的网络正在稳步发展，提高 阅读全文

摘要： 将TVM集成到PyTorch上 随着TVM不断展示出对深度学习执行效率的改进，很明显PyTorch将从直接利用编译器堆栈中受益。PyTorch的主要宗旨是提供无缝且强大的集成，而这不会妨碍用户。为此，PyTorch现在具有基于TVM的官方后端torch_tvm。 用法很简单： import torc 阅读全文

摘要： 自定义Kubernetes调度程序来编排高可用性应用程序 只要愿意遵守规则，在Kubernetes上进行部署和乘飞机旅行就可以很愉快。通常，事情会“正常工作”。但是，如果有兴趣与必须生存的鳄鱼一起旅行，或对必须保持可用状态的数据库进行扩展，则情况可能会变得更加复杂。为此，甚至可能更容易构建自己的飞机 阅读全文

摘要： Linux实现ffmpeg H.265视频编码 几乎所有观看的视频，数字地面电视，电缆，卫星或互联网上的压缩。原始的，未压缩的视频太大，会浪费太多的带宽。在DVD和Blu-ray之前，有视频CD（VCD）。这是用于在标准120mm（4.7英寸）光盘。光盘上的视频被编码为MPEG-1，一种用于在1处流 阅读全文

摘要： iOS视频硬编码技术 一．iOS视频采集硬编码 基本原理 硬编码 & 软编码 硬编码：通过系统自带的Camera录制视频，实际上调用的是底层的高清编码硬件模块，即显卡，不使用CPU，速度快 软编码：使用CPU进行编码，如常见C/C++代码，编译生成二进制文件，速度相对较慢。例如使用Android N 阅读全文

摘要： TVM虚拟机配置 目录 3.1. Supported Guest Operating Systems 3.1.1. Mac OS X Guests 3.1.2. 64-bit Guests 3.2. Unattended Guest Installation 3.2.1. An Example of 阅读全文