TVM 最新发布版本 0.3 有哪些亮点？ 第1页
1
crowowrk 网友的相关建议:
TVM ARM CPU/GPU的性能一直不错，有兴趣的同学可以看arxiv的论文。本次更新的内容可以直接看release note https://github.com/dmlc/tvm/releases/tag/v0.3
本次更新的第一个重点在于TOPI开始引入对于物体检测(SSD, YOLO) 等的支持，这个是深度学习编译跨向更多应用实用化的一步。
另一个比较有趣的是RPC tracker。TVM的设计理念是不光是授人以鱼（高性能算子），更包含了授人以渔（自动生成，调优部署高性能算子的编译平台）。其中自动调优里面一个非常头疼的的问题是移动设备（手机，板子）怎么样自动优化。传统的做法编译部署和调优都需要手工来做，没有办法自动化起来。TVM的RPC接口基本解决了这个问题，可以直接在python端对于远程的手机和板子进行调优。新版的RPC tracker从支持一个板子直接升级到了一个集群，也就是可以通过本机python脚本直接连接到一堆板子去做自动调优。
最后，对于深度学习和区块链有兴趣的同学可以自行寻找一下亮点。
关于tvm的其它介绍可以关注专栏 tvm
1
相关话题
pytorch ddp训练中一个node fail，导致整个训练失败，有可能解决吗？如何评价深度学习相关顶级期刊论文难复现的问题？
生成式对抗网络GAN有哪些最新的发展，可以实际应用到哪些场景中？
迁移学习入门，新手该如何下手？
2021年深度学习在哪些应用上有实质进展？
如何评价Momenta ImageNet 2017夺冠架构SENet?
如何评价论文「Stochastic Training is Not Necessary ...」?
一个完整的Pytorch深度学习项目代码，项目结构是怎样的？
自然语言处理怎么最快入门？
有哪些令你印象深刻的魔改transformer？
相关的话题
2018年了，MXNet 发展的如何了？如何评价 UCLA 朱松纯教授近日访谈中对深度学习的批评？
机器学习里面的流形都是怎么用的？
什么是迁移学习 (Transfer Learning)？这个领域历史发展前景如何？
如何评价Momenta ImageNet 2017夺冠架构SENet?
如何评价Hinton组的新工作SimCLR?
如何评价MXNet发布的1.0版本？
如何评价Momenta ImageNet 2017夺冠架构SENet?
从今年校招来看，机器学习等算法岗位应届生超多，竞争激烈，未来 3-5 年机器学习相关就业会达到饱和吗？
pytorch 分布式计算 你们都遇到过哪些 坑/bug？
如何评价Yann LeCun 说的「要研究机器学习，本科应尽量多学物理和数学课」？
如何看待NVIDIA 即将开源的DLA？
在文本分类任务中，有哪些论文中很少提及却对性能有重要影响的tricks？
深度学习cnn中，怎么理解图像进行池化（pooling）后的平移不变性？
Resnet到底在解决一个什么问题呢？
如何看待 TI7 上与 Dendi solo 的 OpenAI？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
如何评价 Face++ 旷视科技最新出品的检测专用 backbone 网络 DetNet ？
算法工程师是否应该持续读论文？
为什么小模型已经可以很好地拟合数据集了，换大模型效果却要比小模型好？
用生成模型做数据增强data augmentation时，如何从合成数据中筛选出质量较好的样本？
是不是对于任意 n×n 大小的围棋棋盘，人类都赢不了 AlphaGo Zero 了？
如何看待MXNet在CVPR2017上公布的gluon接口？
是不是对于任意 n×n 大小的围棋棋盘，人类都赢不了 AlphaGo Zero 了？
如何看待MXNet获得amazon官方支持首位？
为什么机器学习解决网络安全问题总是失败?
机器学习中的机器是如何分辨哪些是有用的知识，哪些是没用的信息呢？
如何评价Deepmind自监督新作BYOL？
为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？
机器学习，深度神经网络等方法是否是正确的方向？