TVM 更新至 0.21.0 版本，中文文档已同步。TVM 是一个支持多种硬件的深度学习编译框架。使用 TVMScript 创建 TensorIR 函数可以简化代码，支持动态形状和与 Python 的交互。Tensor Expression 提供了更简洁的计算描述方式。

Apache TVM 更新至 0.21.0 版本，中文文档已同步。TVM 是一个支持多种硬件的深度学习编译框架。TensorIR 是其张量程序抽象，描述循环及硬件加速选项。示例展示了两个 128×128 矩阵的计算过程，强调了块轴的属性和自包含性，以确保计算的正确性。

安装 TVM 需准备依赖项，Linux 用户可通过包管理器安装，Windows 用户建议使用 WSL。设置构建路径可通过环境变量 `TVM_BUILD_PATH`。编译流程包括获取代码、创建构建空间，并使用 CMake 和 Ninja 进行编译。需注意跨平台兼容性，尤其是 Windows 上的 GPU 加速问题。

In the previous post, we’ve explored how to write primitive functions in TensorIR. Here, we will see how to transform TensorIR into other (potentially more performant) variants. The content is...

TensorIR is a compiler abstraction for optimizing programs with tensor computation primitives in TVM. Imagine a DNN task as a graph, where each node represents a tensor computation. TensorIR...