wehub-resource-sync
71 lines
3.5 KiB
Markdown
71 lines
3.5 KiB
Markdown
<!-- WEHUB_ZH_README -->
|
|
> [!NOTE]
|
|
> 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
|
|
> [English](./README.en.md) · [原始项目](https://github.com/apache/tvm) · [上游 README](https://github.com/apache/tvm/blob/HEAD/README.md)
|
|
> 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
|
|
|
|
<!--- Licensed to the Apache Software Foundation (ASF) under one -->
|
|
<!--- or more contributor license agreements. See the NOTICE file -->
|
|
<!--- distributed with this work for additional information -->
|
|
<!--- regarding copyright ownership. The ASF licenses this file -->
|
|
<!--- to you under the Apache License, Version 2.0 (the -->
|
|
<!--- "License"); you may not use this file except in compliance -->
|
|
<!--- with the License. You may obtain a copy of the License at -->
|
|
|
|
<!--- http://www.apache.org/licenses/LICENSE-2.0 -->
|
|
|
|
<!--- Unless required by applicable law or agreed to in writing, -->
|
|
<!--- software distributed under the License is distributed on an -->
|
|
<!--- "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY -->
|
|
<!--- KIND, either express or implied. See the License for the -->
|
|
<!--- specific language governing permissions and limitations -->
|
|
<!--- under the License. -->
|
|
|
|
<img src=https://raw.githubusercontent.com/apache/tvm-site/main/images/logo/tvm-logo-small.png width=128/> 开放机器学习编译器框架
|
|
==============================================
|
|
[文档](https://tvm.apache.org/docs) |
|
|
[贡献者](CONTRIBUTORS.md) |
|
|
[社区](https://tvm.apache.org/community) |
|
|
[发布说明](NEWS.md)
|
|
|
|
Apache TVM 是一个开放的机器学习编译框架，
|
|
遵循以下原则：
|
|
|
|
- 以 Python 为先（Python-first）的开发方式，可快速定制机器学习编译器流水线。
|
|
- 通用部署（Universal deployment），将模型交付为最小可部署模块。
|
|
|
|
许可证
|
|
-------
|
|
TVM 根据 [Apache-2.0](LICENSE) 许可证授权。
|
|
|
|
入门
|
|
---------------
|
|
请访问 [TVM 文档](https://tvm.apache.org/docs/) 网站，获取安装说明、教程、示例等更多信息。
|
|
[TVM 入门](https://tvm.apache.org/docs/get_started/overview.html) 教程是很好的
|
|
起点。
|
|
|
|
为 TVM 做贡献
|
|
-----------------
|
|
TVM 采用 Apache 提交者（committer）模式。我们的目标是创建一个由社区维护和拥有的开源项目。
|
|
请参阅 [贡献者指南](https://tvm.apache.org/docs/contribute/).
|
|
|
|
历史与致谢
|
|
---------------------------
|
|
TVM 最初是作为深度学习编译的研究项目启动的。
|
|
该项目的第一版从以下项目中受益匪浅：
|
|
|
|
- [Halide](https://github.com/halide/Halide): TVM 的 TIR 与算术化简模块的部分
|
|
源自 Halide。我们也借鉴并改编了 Halide 降级流水线的部分内容。
|
|
- [Loopy](https://github.com/inducer/loopy): 对整数集分析及其循环变换原语的使用。
|
|
- [Theano](https://github.com/Theano/Theano): 循环符号扫描算子（symbolic scan operator）的设计灵感。
|
|
|
|
此后，该项目经历了多轮重新设计。
|
|
当前设计与初始设计也截然不同，顺应了 ML 编译器社区的发展趋势。
|
|
|
|
最新版本聚焦于跨层级设计：以 TensorIR 作为张量级表示，
|
|
以 Relax 作为图级表示，并支持 Python 优先的变换。
|
|
项目当前的设计目标是，通过让大多数变换可在 Python 中定制，
|
|
并提供可联合优化计算图、张量程序和库的跨层级表示，使 ML 编译器更易用。
|
|
该项目也是为特定领域构建 Python 优先垂直编译器的基础
|
|
基础设施，例如 LLM。
|