【TVM 教程】使用元组输入（Tuple Inputs）进行计算和归约
原文中文，约5800字，阅读约需14分钟。
📝
内容提要
本文介绍了Apache TVM中元组输入的用法，适用于批量计算和归约操作。通过示例展示了如何使用元组输入进行多个输出的调度和计算，强调调度应基于操作而非张量。
🔎
延伸解读
元组输入的优势
使用元组输入可以在单个循环中高效地处理多个输出，特别适合批量计算和归约操作。这种方法不仅提高了计算效率，还简化了调度过程，避免了对每个张量单独调度的复杂性。
调度策略的关键
在调度操作时，必须注意调度应基于操作而非张量。这意味着在设计计算图时，开发者需要关注操作的逻辑关系，以确保计算的正确性和效率。
归约操作的实现
在进行归约操作时，使用协同输入可以有效地比较多个输入的值并保留索引。这种方法在实现如 argmax 等功能时尤为重要，能够确保输出的准确性和有效性。
❓
Q&A
Apache TVM 是什么？
Apache TVM 是一个端到端的深度学习编译框架，支持 CPU、GPU 和各种机器学习加速芯片。
元组输入在 TVM 中的主要用途是什么？
元组输入用于在单个循环中计算多个输出或执行归约操作，如 argmax。
如何使用元组输入进行批量计算？
可以将相同 shape 的算子作为 te.compute 的输入，进行批量计算。
什么是协同输入，它在归约操作中有什么作用？
协同输入用于描述归约操作，能够比较操作数的值并保留索引。
在调度操作时，元组输入有什么限制？
多个输出只能一起调度，调度应基于操作而非张量。
如何在 TVM 中实现 argmax 的归约操作？
可以使用 te.comm_reducer() 来描述 argmax 的归约操作，比较操作数的值并保留索引。
🏷️
