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

NPU神经网络编译器TVM NPU后端从入门到精通

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

学习目标 · 目标学员 · 课程结构

课程导入学习目标

NPU架构特点 · 常见NPU类型（如华为Ascend · 寒武纪

NPU架构特点

TVM架构 · Relay IR · TE/TIR

TVM后端机制

TVM后端抽象 · Target定义 · 代码生成器（Codegen）接口

TVM后端机制

NPU后端概述

NPU后端在TVM中的定位 · 现有NPU后端（如Vitis AI · Ascend后端）分析

NPU后端概述

安装TVM · 配置NPU驱动与工具链 · 交叉编译环境

环境搭建TVM

TVM源码结构

TVM源码目录 · 后端相关代码位置 · 关键模块（src/target

TVM源码结构

将模型转换为Relay IR · Relay算子集 · 自定义算子注册

算子调度与优化

TE调度原语 · 循环优化 · 内存布局

算子调度优化

TIR与代码生成

TIR语法 · IR转换 · CodegenC基础

TIR代码生成

NPU目标描述

Target字符串定义 · TargetKind注册 · NPU特性（如向量长度

NPU目标描述

NPU代码生成器实现

继承CodegenC · 重写函数 · 处理算子调用

NPU代码生成器实现

NPU运行时集成

TVM runtime模块 · 设备API · 内存管理

NPU运行时集成

算子映射与注册

将Relay算子映射到NPU库函数 · 算子属性传递 · 注册自定义算子

算子映射注册

内存规划与分配

NPU内存层次（全局/本地/寄存器） · 静态内存分配 · 动态内存管理

内存规划分配

性能调优基础

性能分析工具（profiler） · 瓶颈识别 · 内存带宽

性能调优基础profiler

自动调优（AutoTVM）

AutoTVM原理 · 成本模型 · 搜索策略

AutoTVM自动调优

Ansor（AutoScheduler）

Ansor架构 · 模板与搜索 · 与NPU后端集成

AnsorAutoSchedule…

在NPU上部署ResNet-50 · 算子映射 · 代码生成

案例实战NPU

在NPU上部署Transformer · 动态形状处理 · 内存优化

案例实战NPU

自定义NPU算子开发 · 代码生成 · 测试

案例实战NPU

NPU后端调试技巧

日志 · IR dump · 代码生成检查

NPU后端调试技巧

NPU后端测试框架

单元测试 · 集成测试 · 算子正确性验证

NPU后端测试框架

常见问题与解决方案

算子不支持 · 内存溢出 · 性能不达标

常见问题解决方案

NPU后端与TVM社区

社区现有NPU后端贡献 · 代码风格 · PR流程

多NPU协同 · 流水线并行 · 模型并行

高级主题NPU

量化与低精度计算 · 量化算子 · 混合精度在NPU上的实现

高级主题量化

图优化与算子融合 · NPU特定融合策略 · 内存访问优化

高级主题图优化

从零实现一个简化NPU后端：需求分析 · 架构设计 · 编码实现

综合项目NPU

课程总结与进阶路径

知识回顾 · 学习资源 · 推荐

课程总结进阶路径