内容一览: 近日,由 MLC 社区志愿者共同翻译校对的 TVM 中文文档正式发布,现已托管至超神经官网 Hyper.AI 。
关键词: TVM 开源 机器学习编译器
本文首发自微信公众号:HyperAI 超神经
2017 年 8 月,时任华盛顿大学博士生的陈天奇及其团队成员,正式发布 TVM 。
这是一个开源的模型编译框架,全称 Tensor Virtual Machine,意为张量虚拟机,旨在将机器学习算法自动编译成可供下层硬件执行的机器语言,从而利用多种类型的算力。
TVM 系统概览:适用于 CPU 、 GPU 和各种机器学习加速芯片
论文:
TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
在知乎问题「如何评价陈天奇团队新开源的 TVM?」中,陈天奇更是亲自解读,称:
TVM 尝试从更高的抽象层次上总结深度学习 op 的手工优化经验,用来使得用户可以快速地以自动或者半自动的方法探索高效的 op 实现空间。
这一问题在知乎收获将近 26 万的阅读
开源近 5 年以来,TVM 凭借其灵活性、高性能以及对任意硬件的适配程度, 备受众多大厂的青睐,NVIDIA 、 AMD 、 ARM 、 AWS 、 Facebook 等厂商,均采用 TVM 这一开源的端到端深度学习硬件编译栈,以加强对任意硬件的支持。
目前网络上 TVM 相关的中文学习资料比较零散, 仅有的一些中文资料多为相关行业从业者或爱好者,根据自己学习或工作需要整理输出的。
为了帮助国内开发者系统性学习 TVM,促进机器学习编译在国内的发展,MLC (Machine Learning Compilation) 社区社区志愿者从文档开始,以开源协作的方式对 TVM 官方文档 v0.10.0 进行了本土化。
TVM 中文文档由超神经 Hyper.AI 托管
中文文档在 TVM 官网英文文档的架构基础上,做了更符合国人阅读习惯的调整,从安装 TVM 到使用开发,提供了一系列可供参考的实用文档。
安装 TVM 共包括 3 种方法 源码安装、 Docker 镜像安装以及 NNPACK Contrib 安装
在用户教程部分,也提供了十多个教程供开发者快速搜索定位学习。
目前,TVM 中文文档仍在更新中 , 我们希望能有更多关心、关注机器学习编译的开发者加入其中,从社区中获得价值,并为社区创造价值。
我们欢迎一切形式的贡献,包括但不限于:
开源社区一切源自社区,一切回馈社区,现在访问 TVM 中文文档 GitHub Repo,期待你成为我们的一员,为中文领域机器学习编译器的发展贡献力量!
在 GitHub ⭐️ TVM 英文:
在 GitHub ⭐️ TVM 中文:
https://github.com/hyperai/tvm-cn
致谢:
TVM 中文站点顺利上线,离不开 MLC.AI 社区的大力支持,衷心感谢各位社区成员的积极参与和协助:
—— 完 ——