📚 课程目录第1章环境搭建与TVM基础验证

1. 环境搭建与TVM基础验证

任务说明

本案例目标是在本地搭建TVM开发环境，通过编译并运行一个向量加法算子，验证TVM从算子描述到可执行模块的基本流程。完成本案例后，你将具备后续NPU后端开发所需的TVM基础环境与操作路径。

环境依赖与安装

本案例基于Ubuntu 20.04/22.04 x86_64环境，需要以下依赖：

Python 3.8+，CMake ≥ 3.16，GCC ≥ 7
LLVM（用于CPU代码生成，验证流程必需）
TVM源码（v0.12或最新main分支）

安装命令如下：

# 安装基础依赖
sudo apt-get update
sudo apt-get install -y python3 python3-dev python3-pip gcc g++ cmake llvm-10

# 克隆TVM源码
git clone --recursive https://github.com/apache/tvm tvm
cd tvm

# 创建构建目录并配置
mkdir build
cp cmake/config.cmake build/
# 编辑 build/config.cmake，确保以下两项已设置：
#   set(USE_LLVM ON)
#   set(USE_CUDA OFF)  # 本案例不需要GPU

# 编译（使用nproc并行加速）
cd build
cmake ..
make -j$(nproc)

# 安装Python包
cd ../python
pip install -e .

验证安装：在Python中执行 import tvm 无报错即表示安装成功。

向量加法算子实现

以下代码使用TVM张量表达式（TE）描述一个向量加法算子，编译为CPU可执行模块并运行验证：

import tvm
from tvm import te
import numpy as np

# 1. 定义向量长度
n = 1024

# 2. 使用TE描述算子：C[i] = A[i] + B[i]
A = te.placeholder((n,), name="A")
B = te.placeholder((n,), name="B")
C = te.compute((n,), lambda i: A[i] + B[i], name="C")

# 3. 创建调度（默认简单调度）
s = te.create_schedule(C.op)

# 4. 编译为CPU可执行模块
target = tvm.target.Target("llvm")
mod = tvm.build(s, [A, B, C], target=target, name="vector_add")

# 5. 准备输入数据（固定随机种子保证可复现）
np.random.seed(42)
a_np = np.random.rand(n).astype("float32")
b_np = np.random.rand(n).astype("float32")
c_np = np.zeros(n, dtype="float32")

# 6. 创建TVM运行时数组并执行
ctx = tvm.cpu(0)
a_tvm = tvm.nd.array(a_np, ctx)
b_tvm = tvm.nd.array(b_np, ctx)
c_tvm = tvm.nd.array(c_np, ctx)
mod(a_tvm, b_tvm, c_tvm)

# 7. 验证结果（与NumPy直接计算结果对比）
expected = a_np + b_np
np.testing.assert_allclose(c_tvm.numpy(), expected, rtol=1e-5, atol=1e-5)
print("向量加法验证通过：TVM输出与NumPy参考结果一致")

代码说明

上述代码完整覆盖TVM基本流程：算子描述（placeholder + compute）→ 调度（schedule）→ 编译（build）→ 执行（module调用）→ 验证（与NumPy对比）。第5步使用固定随机种子，第7步通过assert_allclose做数值一致性校验，误差容限设为1e-5。

运行与验证方法

将上述代码保存为 vector_add.py，在TVM Python环境已激活的终端中执行：

python vector_add.py

判定标准：程序正常结束且输出“向量加法验证通过：TVM输出与NumPy参考结果一致”，即表示TVM环境搭建成功且基本编译流程正确。若出现ImportError，说明TVM Python包未正确安装；若编译阶段报LLVM相关错误，请检查config.cmake中USE_LLVM是否设为ON。

TVM编译流程观测点

常见问题排查

编译报错找不到LLVM：确认build/config.cmake中USE_LLVM为ON，且系统已安装llvm-10或更高版本。
Python import tvm失败：确认在tvm/python目录下执行了pip install -e .，且当前终端环境为该Python解释器。
数值不一致：检查输入数据类型是否为float32，TVM默认浮点类型为32位，若使用float64会导致精度不匹配。