01
编译器概述
什么是模型编译器，为什么需要模型编译器，编译器在AI部署中的位置。
基础概念
02
计算图基础
静态图与动态图的区别，计算图的数据结构，拓扑排序与执行顺序。
图核心
03
前端解析
ONNX模型格式解析，Protobuf序列化与反序列化，模型导入与校验。
ONNX解析
04
中间表示（IR）
多层IR设计哲学，Graph IR与Linear IR，TVM的Relay IR与TIR。
IRTVM
05
算子映射与注册
算子识别与匹配，自定义算子注册机制，算子库的组织方式。
算子注册
06
图优化（上）
常量折叠、死代码消除、公共子表达式消除。
优化编译
07
图优化（下）
算子融合（Conv+BN+ReLU）、算子替换、数据布局转换。
融合布局
08
内存规划
静态内存分配算法，内存复用与共享，liveness分析。
内存分配
09
调度与执行
单线程调度，多线程任务调度，异构设备调度策略。
调度异构
10
代码生成（Codegen）
目标代码生成流程，LLVM后端集成，内联汇编与intrinsic。
CodegenLLVM
11
AutoTVM与自动调优
基于模板的调优，代价模型（Cost Model），硬件后端探测。
AutoTVM调优
12
Ansor与自动搜索
自动调度搜索空间，进化搜索与蒙特卡洛树搜索，与AutoTVM的对比。
搜索Ansor
13
TensorRT原理
层融合策略，精度校准（INT8/FP16），动态形状支持。
TensorRTINT8
14
XLA与JIT编译
HLO与MHLO，编译缓存机制，与TensorFlow的集成。
XLAJIT
15
MLIR基础
MLIR的Dialect体系，Operation与Type系统，Pass管理框架。
MLIRDialect
16
MLIR实战
自定义Dialect开发，Pattern Rewrite，Conversion与Lowering。
实战Lowering
17
Triton语言与编译器
Triton编程模型，块级调度，Triton到TritonGPU的Lowering。
TritonGPU
18
算子性能分析
Roofline模型，计算密度与访存带宽，Profiling工具（nvprof/nsys）。
性能Roofline
19
内存带宽优化
数据分块（Tiling），向量化加载，Bank Conflict避免。
带宽Tiling
20
计算优化
指令级并行（ILP），流水线隐藏延迟，Warp级优化。
ILPWarp
21
量化编译
训练后量化（PTQ），量化感知训练（QAT），量化图重写。
量化PTQ
22
稀疏编译
结构化稀疏与非结构化稀疏，稀疏矩阵存储格式，稀疏算子生成。
稀疏存储
23
动态形状编译
符号形状推理，动态shape的代码生成策略，Padding与Masking。
动态Shape
24
多后端编译
CPU（x86/ARM）后端，GPU（CUDA）后端，NPU/TPU后端适配。
后端CUDA
25
编译缓存与增量编译
缓存命中策略，增量图优化，分布式编译缓存。
缓存增量
26
调试与验证
编译结果正确性验证，数值精度对比，编译日志与Dump。
调试验证
27
编译器测试
单元测试框架，算子正确性测试，端到端模型测试，回归测试。
测试回归
28
性能剖析与瓶颈定位
编译时间分析，运行时Profiling，性能回归检测。
Profiling瓶颈
29
编译器安全
模型注入攻击，编译时沙箱，依赖供应链安全。
安全沙箱
30
前沿趋势与展望
AI编译器与硬件协同设计，大模型编译挑战，编译器标准化趋势。
前沿趋势