机器学习编译优化

机器学习模型需要大量计算资源，因此需要将高级框架高效地转换为机器码。本课程介绍Apache TVM、XLA和MLIR等深度学习编译器的架构与工程原理。本课程讲述从计算图到硬件专用二进制文件的转换流程。

学员将分析中间表示（IR）、图级优化（包含算子融合和布局转换）以及循环优化（如分块和向量化）。课程内容包含多面体模型、自动调度策略以及GPU和专用加速器的内存层次管理。重点在于软件逻辑与硬件限制如何相互配合，以最大化吞吐量并减少延迟。