2. 张量程序抽象
Quick search
code
Show Source
课程 GitHub English
机器学习编译
Table Of Contents
  • 1. 概述
  • 2. 张量程序抽象
    • 2.1. 元张量函数
    • 2.2. 张量程序抽象
    • 2.3. 总结
    • 2.4. TensorIR: 张量程序抽象案例研究
    • 2.5. TensorIR 练习
  • 3. 端到端模型执行
  • 4. 自动程序优化
  • 5. 与机器学习框架的整合
  • 6. GPU 硬件加速
    • 6.1. 第一部分
    • 6.2. 第二部分
  • 7. 计算图优化
机器学习编译
Table Of Contents
  • 1. 概述
  • 2. 张量程序抽象
    • 2.1. 元张量函数
    • 2.2. 张量程序抽象
    • 2.3. 总结
    • 2.4. TensorIR: 张量程序抽象案例研究
    • 2.5. TensorIR 练习
  • 3. 端到端模型执行
  • 4. 自动程序优化
  • 5. 与机器学习框架的整合
  • 6. GPU 硬件加速
    • 6.1. 第一部分
    • 6.2. 第二部分
  • 7. 计算图优化

2. 张量程序抽象¶

在本章中,我们将讨论对单个单元计算步骤的抽象以及在机器学习编译中对这些抽象的可能的变换。

  • 2.1. 元张量函数
  • 2.2. 张量程序抽象
    • 2.2.1. 张量程序抽象中的其它结构
  • 2.3. 总结
  • 2.4. TensorIR: 张量程序抽象案例研究
    • 2.4.1. 安装相关的包
    • 2.4.2. 序言
    • 2.4.3. 学习一类张量程序抽象 – TensorIR
    • 2.4.4. 变换
    • 2.4.5. 构建与运行
    • 2.4.6. 创建 TensorIR 并与之交互的方法
    • 2.4.7. 作为变换结果的 TensorIR 函数
    • 2.4.8. 讨论
    • 2.4.9. 总结
  • 2.5. TensorIR 练习
    • 2.5.1. 第一节:如何编写 TensorIR
    • 2.5.2. 第二节:如何变换 TensorIR
Previous
1. 概述
Next
2.1. 元张量函数