所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

AI编译器基础入门

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · AI编译器在深度学习生态中的定位与价…
课程导入学习目标
02
深度学习基础回顾
张量 · 算子 · 计算图
深度学习基础回顾张量
03
传统编译器原理
词法分析 · 语法分析 · 中间表示（IR）
传统编译器原理词法分析
04
AI编译器概述
定义 · 发展历程 · 主流框架（TVM
AI编译器概述
05
计算图与图优化
静态图与动态图 · 图优化策略（算子融合 · 常量折叠
计算图图优化
06
中间表示（IR）设计
图IR · 张量IR · MLIR的层次化IR设计理念与优势
IR间表示
07
算子调度与内核生成
调度策略 · 自动调优（AutoTVM · Ansor）
算子调度内核生成
08
内存管理与数据布局
内存分配策略 · 数据布局转换（NCHW/NHWC） · 内存复用与优化
内存管理数据布局
09
并行化与硬件适配
多核CPU · GPU · NPU的并行化策略
并行化硬件适配
10
量化与低精度优化
量化原理 · 训练后量化 · 量化感知训练
量化低精度优化
11
稀疏化与剪枝
稀疏张量表示 · 稀疏算子优化 · 剪枝算法与编译器支持
稀疏化剪枝
12
TVM实战入门
安装 · 构建计算图 · 使用Relay IR
TVM实战入门
13
XLA实战入门
JIT编译流程 · HLO IR · 与TensorFlow/PyTorc…
XLA实战入门
14
MLIR实战入门
Dialect定义 · Pass编写 · 自定义转换流程
MLIR实战入门
15
算子融合案例
Conv+BN+ReLU融合的完整实…
算子融合案例Conv+BN+ReLU
16
自动调优案例
使用Ansor优化一个卷积网络 · 分析调优日志与性能瓶颈
自动调优案例Ansor
17
代码生成案例
从ONNX模型到目标硬件代码的完整编…
代码生成案例ONNX
18
常见问题与调试
编译错误定位 · IR可视化 · 性能分析工具（profiler）使用
常见问题调试
19
性能评估与基准测试
常用基准（MLPerf · TFLite） · 评估指标
性能评估基准测试
20
AI编译器与深度学习框架集成
PyTorch/TensorFlow…
AI编译器
21
边缘设备部署
模型压缩 · 内存限制 · 算子裁剪
边缘设备部署模型压缩
22
异构计算与多设备调度
CPU/GPU/NPU协同 · 数据拷贝优化 · 任务划分
异构计算多设备调度
23
编译器安全与可靠性
数值稳定性 · 异常处理 · 可复现性保障
编译器安全可靠性
24
前沿技术
可微分编程 · 编译器与自动微分结合 · 可组合优化
前沿技术可微分编程
25
开源社区与生态
TVM · MLIR · ONNX等社区贡献方式
开源社区生态
26
综合实战项目
从PyTorch模型到自定义硬件部署…
综合实战项目PyTorch
27
综合实战项目
设计一个简单的AI编译器原型 · 支持基本算子融合与代码生成
综合实战项目AI
28
综合实战项目
对比TVM · XLA · MLIR在相同模型上的性能与易用性
综合实战项目TVM
29
综合提升
如何设计一个可扩展的AI编译器架构 · 支持新算子与新硬件
综合提升AI
30
课程总结与进阶路径
核心知识回顾 · 常见误区 · 推荐与后续学习方向
课程总结进阶路径