2023 Meet TVM Traf Sich Erstmals in Shanghai, Mehr Als 100 Ingenieure Diskutierten Die Gegenwart Und Zukunft Der Maschinellen Lernkompilierung

Am 4. März fand das Offline-Treffen „Meet TVM 2023“ erfolgreich in Shanghai statt. Gastgeber war die MLC.AI-Community, mit Mitorganisatoren waren das Shanghai Wujiaochang Innovation and Entrepreneurship College, HyperAI Super Neural Network und OpenBayes Bayesian Computing.Mehr als 100 Freunde aus Shanghai, Hangzhou, Peking und Nanjing trafen sich in Shanghai zu einer lebhaften persönlichen Diskussion.

Am Tag der VeranstaltungChen Tianqi, der Haupterfinder von TVM und ein berühmter junger Wissenschaftler auf dem Gebiet des maschinellen Lernens,Wir haben außerdem ein Eröffnungsvideo für alle vorbereitet, um unsere Analyse der Kompilierungstrends beim maschinellen Lernen und den nachfolgenden Entwicklungsplan von Apache TVM mitzuteilen.

Im Folgenden sind einige der wichtigsten Punkte aufgeführt:

Hallo an alle in der chinesischen TVM-Community, ich bin Chen Tianqi. Vielen Dank für Ihre Teilnahme an der Veranstaltung „Meet TVM Shanghai“ und vielen Dank für die Unterstützung der lokalen Organisation.

In den letzten Jahren haben sich KI und KI-Einsatz enorm verändert.Maschinelles Lernen wird nicht mehr ausschließlich von Algorithmen gesteuert. Sowohl die Datenalgorithmen als auch das System selbst beeinflussen den Erfolg der Bereitstellung eines Systems zum maschinellen Lernen.Auch die Kompilierung mittels maschinellem Lernen ist allmählich in das öffentliche Bewusstsein gerückt, und zwar aus einem Bereich, der gerade erst begonnen hat, an vorderster Front erforscht zu werden.

Die TVM-Community arbeitet seit 5 Jahren in diese Richtung.Wir wissen auch immer, dass wir uns ständig erneuern und unsere Erfahrungen aus der Vergangenheit zusammenfassen müssen.Nur dann können wir das gesamte Feld, einschließlich der Kompilierung von maschinellem Lernen und der Systeme für maschinelles Lernen, auf die nächste Stufe bringen.

Seit letztem Jahr hat die TVM-Community außerdem eine sehr mutige Änderung vorgenommen und versucht, die TVM Unity-Lösung zu fördern, in der Hoffnung, verschiedene Probleme grundlegend zu lösen, darunter dynamische Formen, verschiedene Hardwarebereitstellungen und die Integration von Operatorbibliotheken und automatischer Optimierung durch maschinelles Lernen. Wir hoffen außerdem, dass die iterative Entwicklung unser Hauptziel wird.Dies ermöglicht es denjenigen, die Algorithmen und Systeme optimieren, weiterhin in einem Python-Framework zu iterieren.

Letztes Jahr haben wir außerdem den MLC-Onlinekurs gestartet, um relevante Inhalte zum maschinellen Lernen allen zu erklären.In diesem Jahr werden wir Unity schrittweise durchgängig verbinden und auf verschiedene reale Modelle anwenden.Wir heißen auch alle willkommen, sich an der Community-Entwicklung und -Mitgestaltung zu beteiligen, um die gesamte Zusammenstellung des maschinellen Lernens und die Tool-Kette des maschinellen Lernens TVM selbst auf die nächste Stufe zu bringen.

Holen Sie sich die kurze Einführung und PPT des Live-Sharings

Am Tag der Veranstaltung luden wir vier Redner ein, Live-Präsentationen zu halten.

Thema teilen:TVM und die Entwicklung der Zusammenstellung maschinellen Lernens

Inhalt:Die Bereitstellungsleistung des Compilers für maschinelles Lernen wurde in den letzten Jahren kontinuierlich verbessert und TVM hoffte auch, durch die „Automatisierungs“-Technologie Leistungsverbesserungen zu erzielen. Mit der Einführung neuer Hardware ist die Entwicklung von Compilern jedoch auch mit vielen Herausforderungen verbunden, unter anderem in Bezug auf Leistung und Vielseitigkeit.

Das derzeit von der TVM-Community eingeführte Unity-Design (TensorIR+Relax) versucht, die Vielseitigkeit und Anpassungsmöglichkeiten von TVM grundlegend zu verbessern und eine umfassendere Infrastruktur bereitzustellen.

Holen Sie sich die PPT:Folgen Sie dem öffentlichen WeChat-Konto „HyperAI Super Neural Network“ und antworten Sie mit dem Schlüsselwort im Hintergrund TVM Shanghai, holen Sie sich die vollständige PPT.

Thema teilen:Verwenden Sie TVM, um Modelle zu kompilieren, die Rockchip-Geräte unterstützen

Inhalt:Um die Modellbereitstellung auf Rockchip-Geräten zu erleichtern und die Leistung zu verbessern. Wir haben ein neues Backend auf TVM implementiert, um die Modellkompilierung für Rockchip-Geräte zu unterstützen.

Holen Sie sich die PPT:Folgen Sie dem öffentlichen WeChat-Konto „HyperAI Super Neural Network“ und antworten Sie mit dem Schlüsselwort im Hintergrund TVM Shanghai, holen Sie sich die vollständige PPT.

Thema teilen:Auf TVM basierender DSA-KI-Compiler

Inhalt:TVM wurde 2017 als Open Source veröffentlicht und unterstützt GPU und CPU nativ. Wie erstellt man einen KI-Compiler für DSA/NPU basierend auf TVM? In diesem Beitrag versuchen wir, diese Frage durch unsere Praxis zu beantworten.

Holen Sie sich die PPT:Folgen Sie dem öffentlichen WeChat-Konto „HyperAI Super Neural Network“ und antworten Sie mit dem Schlüsselwort im Hintergrund TVM Shanghai, holen Sie sich die vollständige PPT.

Thema teilen:Erweiterung des SYCL-Backends für TVM

Inhalt:Das kreuzheterogene Programmiermodell SYCL wird für TVM erweitert und der Pfad zur SYCL-Codegenerierung und automatischen Optimierung wird hinzugefügt. Die Hardwareunterstützung für NPU wurde für SYCL erweitert und Unterstützung für die Befehlskompilierung und Laufzeitanpassung für inländische NPU wurde hinzugefügt. In Zukunft werden wir den Full-Stack-Technologiepfad von TVM zu SYCL und dann zur Zusammenstellung anderer inländischer NPU-Anweisungen weiter öffnen.

Holen Sie sich die PPT:Folgen Sie dem öffentlichen WeChat-Konto „HyperAI Super Neural Network“ und antworten Sie mit dem Schlüsselwort im Hintergrund TVM Shanghai, holen Sie sich die vollständige PPT.

2023 Treffen Sie TVM. Weitere Städte folgen in Kürze.

Nächste,Die von den Gästen dieser Veranstaltung geteilten detaillierten Inhalte werden nacheinander veröffentlicht und auf diesem offiziellen Konto veröffentlicht. Bitte weiterhin aufmerksam sein!

Gleichzeitig wird 2023 Meet TVM in vielen Städten des Landes eingeführt.Wir heißen Partner aus Wissenschaft und Wirtschaft herzlich willkommen, sich diesem gemeinsamen Projekt anzuschließen. Wir freuen uns, Sie im Juni in Peking zu sehen!

Zum Schluss machen wir noch ein Gruppenfoto von der Szene

Gruppenfoto der Veranstaltung „Meet TVM Shanghai 2023“