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
batchsize=1时可以用BN吗?如何系统学习机器学习？
Transformer在工业界的应用瓶颈如何突破？
石头和塑料袋对于计算机传感器的差别在于什么？为什么无人驾驶系统会依然存在对周围环境的误判？
为什么Bert中的CLS在未fine tune时作为sentence embedding性能非常糟糕？
图片上训的模型，怎么迁移视频上呢？
Word2vec 翻译到另一种语言，其向量空间之间的映射会不会是线性的？
二分类问题，应该选择sigmoid还是softmax？
写深度学习代码是先写model还是dataset还是train呢，有个一般化的顺序吗？
2021年深度学习哪些方向比较新颖，处于上升期或者朝阳阶段，没那么饱和，比较有研究潜力？
相关的话题
为什么有些学数学的看不惯甚至鄙视 Deep Learning？人工智能退潮期来了吗？
研一刚入学，从未接触过神经网络，python也是才开始学，现在导师要我做LSTM，我应该去学什么？
GAN的生成器是怎么产生图片的？
大牛Bengio 团队最新的研究和我自己之前的研究成果重复了，应该怎么办？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
NTIRE2017夺冠的EDSR去掉了Batch Normalization层就获得了提高为什么？
为什么 Bert 的三个 Embedding 可以进行相加？
多模态训练，怎么解决不同模态之间差异的问题？
国内做NLP业务的香侬科技值得去吗？
分类机器学习中，某一标签占比太大（标签稀疏），如何学习？
如何评价微软亚研院提出的把 Transformer 提升到了 1000 层的 DeepNet？
GAN 真的创造了新的信息吗？
Domain Adaptation学术上有哪些方向，还有哪些可做的地方？
GAN 真的创造了新的信息吗？
百度在深度学习上使用Xilinx FPGA?
如何评价谷歌提出的 Pix2Seq：将目标检测看成语言建模，效果超过 DETR？
如何判断两个Deep Learning 数据集的数据分布是否一致？
国内做NLP业务的香侬科技值得去吗？
能否使用区块链的算力来解决深度学习训练？
如何评价 DeepMind 公布的可生成算法竞赛解题代码的 AlphaCode？
BERT中，multi-head 768*64*12与直接使用768*768矩阵统一计算，有什么区别？
CNN（卷积神经网络）、RNN（循环神经网络）、DNN（深度神经网络）的内部网络结构有什么区别？
深度学习领域有哪些瓶颈？
神经网络的损失函数为什么是非凸的?
2021 年了，TensorFlow 和 PyTorch 两个深度学习框架地位又有什么变化吗？
NIPS 2018 有什么值得关注的亮点？
贝叶斯深度学习是什么，和传统神经网络有何不同？
为什么有的论文放出训练好的模型和测试脚本，但不开源训练代码？
请问应该怎样去学习图像识别和深度学习？