【TVM 教程】线性和递归核
💡
原文中文，约9000字，阅读约需22分钟。
📝
内容提要
Apache TVM 是一个支持 CPU、GPU 和加速芯片的深度学习编译框架。文章介绍了如何在 TVM 中实现递归计算，使用线性算子描述符号循环，包括状态占位符、初始化和更新描述。示例展示了线性单元的调度及结果验证。
🎯
关键要点
-
Apache TVM 是一个支持 CPU、GPU 和加速芯片的深度学习编译框架。
-
文章介绍了如何在 TVM 中实现递归计算，使用线性算子描述符号循环。
-
线性算子计算 X 列上的累积和，包含状态占位符、初始化和更新描述。
-
示例展示了线性单元的调度及结果验证，使用 numpy 验证结果的正确性。
-
多阶段线性单元可以使用多个张量级，确保正确性需要创建组约束。
-
线性支持多个递归状态，适用于复杂应用如 RNN。
-
总结了如何使用线性原语进行调度和描述线性单元。
➡️
