⭐️ 赠书 - 《TVM编译器原理与实践》
⭐️适读人群 ：从事AI算法，软件，AI芯片，编译器开发工程技术人员
人工智能（Artificial Intelligence，AI）已经在全世界信息产业中获得广泛应用。随着深度学习模型和硬件后端数量的增加，TVM构建了一种基于中间表示 (IR)的统一解决方案。TVM不仅能自动优化深度学习模型，还提供了跨平台的高效开源部署框架。
TVM（Tensor Virtual Machine, 张量虚拟机）是一种开源的模型编译框架，旨在将机器学习模型自动编译成可供下层硬件执行的机器语言，从而利用多种类型的算力。其工作原理是，先将深度学习模型进行优化推理、内存管理与线程调度，再借用LLVM框架将模型部署在CPU、GPU、FPGA、ARM等硬件设备上。
本书全面解析TVM的主要功能，帮助读者理解TVM工作原理，以及使用 TVM对深度学习与机器学习进行优化与部署。全书的特点总结如下：
- 第一，从TVM的概念入手，分析了TVM的基本原理和关键支撑技术。
- 第二，从TVM的环境搭建到案例实践逐步展开，分析如何使用TVM进行实战开发。
- 第三，介绍了TVM的重要关键技术，如算子与图融合、量化技术、Relay IR（中间表示）、优化调度、编译部署等，分析了这些模块的理论与案例实践。
- 第四，TVM对后端相关的技术进行了分析与实践，包括代码生成、自动调度、自动搜索与成本模型等。
⭐️《TVM编译器原理与实践》作者简介
吴建明，上海交通大学模式识别与智能系统专业博士毕业。长期从事人工智能芯片设计，尤其擅长TVM/LLVM编译器、AI框架、自动驾驶、芯片制造，嵌入式系统等领域的理论研究与技术创新。长期在一线工作，包括产品设计与代码实现等，主持和参与过30多项产品的研发。还参与过国家自然科学基金、上海市科委项目，并在核心期刊公开发表过8篇论文，其中6篇是第一作者。
本书的写作过程中，得到了家人的全力支持，在此，对他们表示深深的感谢。也感谢机械工业出版社的编辑们，因为有他们的辛勤劳作和付出，本书才得以顺利出版。由于编者技术能力有限，书中难免存在纰漏，还望广大读者不吝赐教。
⭐️抽奖方式
本次送书 3 本 评论区抽三位小伙伴送书
活动时间：截止到 2024-01-10 20:00:00抽奖方式：利用网络公开的在线抽奖工具进行抽奖
参与方式：关注、点赞、收藏，评论 "TVM编译器原理与实践"
随机抽取的3位小伙伴将免费获得此书！
小伙伴们也可以在天猫，京东，当当中，很多店铺进行自主购买哦~