How To 指南

这些以用户为中心的“如何”指南旨在帮助您找到特定问题的答案，比如“如何编译模型？”或“如何用 tensor 表达式优化调度？”

• 编译深度学习模型
  • 编译 PyTorch 模型
  • Compile Tensorflow Models
  • 编译 MXNet 模型
  • Compile ONNX Models
  • Compile Keras Models
  • Compile TFLite Models
  • Compile CoreML Models
  • Compile YOLO-V2 and YOLO-V3 in DarkNet Models
  • Compile Caffe2 Models
  • Compile OneFlow Models
  • Compile PaddlePaddle Models
• 部署模型并集成到 TVM
  • 构建 TVM 运行时库
  • 交叉编译其他架构的 TVM 运行时
  • 针对目标设备优化和调优模型
  • 在目标设备上部署已优化的模型
  • 额外的部署指南
• 部署深度学习模型
  • Deploy the Pretrained Model on Android
  • Deploy the Pretrained Model on Raspberry Pi
  • 编译 PyTorch 目标检测模型
  • 使用 TVM 部署框架预量化模型
  • Deploy a Framework-prequantized Model with TVM - Part 3 (TFLite)
  • 在 CUDA 上部署已量化模型
  • Deploy a Hugging Face Pruned Model on CPU
  • 部署 Single Shot Multibox Detector(SSD) 模型
  • Deploy the Pretrained Model on Jetson Nano
• 使用 Relay
• 使用 Tensor Expression 和 Schedules
• 优化张量算子
• Auto-Tune with Templates and AutoTVM
  • Tuning High Performance Convolution on NVIDIA GPUs
  • Auto-tuning a Convolutional Network for NVIDIA GPU
  • Auto-tuning a Convolutional Network for x86 CPU
  • Auto-tuning a Convolutional Network for ARM CPU
  • Auto-tuning a Convolutional Network for Mobile GPU
• 使用自动调度器进行无模板调度
• 使用 microTVM
• 拓展 TVM
• 模型剖析
  • PAPI 快速上手
• 处理 TVM 的错误
  • 这些错误从何而来？
  • 当我遇到这样的错误时，我应该怎么做？
• 常见问题
  • 如何安装
  • 如何添加一个新的硬件后端
  • TVM 与其他 IR/DSL 项目的关系
  • TVM 与 libDNN、cuDNN 的关系
  • 安全