Пусть этот камень будет более крепким, чем человек

# 前言 本系列文章将从代码和流程图入手，详细介绍 TVM AI 编译器的编译流程。本文章为第一篇，取名为 “必要知识”，约等于 “大杂烩”。食之无味，弃之可惜。但基于我个人的主观喜好和偏见，这些知识值得在整个代码讲解之前声明。 作为初学者，错误在所难免，还望不吝赐教。 # 工程结构 TVM 主要由 C++ 语言和 Python 语言实现。 a.TVM C++ 后端核心代码 位于 /home/user/tvm/src C++ 后端核心代码的功能是生成 libtvm.so libtvm_runtime.so，分别是模型编译过程中的需要的 libtv

# 介绍 四五年前就开始构思一部小说。那时起就不断地撰写纲要，描述关键节点剧情，甚至开始跳着写中间的一些章节。不过总感到不妥，小说的立意太低了，剧情太老套了，可能和 XX 很像，我才不愿意仿写，等等很多原因，我又不得不停下来重新思考整个小说的立意、构思。 小说经过了多次彻头彻尾的改造，重新设计了关键节点，调整了新的纲要。不得不说，尽管写作是一个漫长的过程，但是小说的立意构思阶段不见得工作量更小。 在几个月前，终于调整好构思之后，重新开始写作。现在写的很慢，之前在学校里会抽时间写一点，现在上班了，只能是下班玩够了之后，写一个小时左右。不知不觉，到今天正文已经有 3 万余字了。特意查了一下，《三体

# 算法原理 算法原理还没写，预计将来补上。可以在网络上搜索算法原理。 # 代码实现 可以在 github 项目 卷积加速算法实现 中下载代码实现，运行其中的测试函数： /*winograd 算法 F (2*2, 3*3)仅用于 3*3 卷积，stride=1, dilation=1推荐 w<120 h<120 in_c>16 out_c>16现已支持 pad 之后添加 dilation*/TestWinogradF23ConvLayer()；/*winograd 算法 nchw F (6*6, 3*3

# 介绍 本文为实现 SystemC 响应异步事件 解决方案。 应用场景： SystemC 是一个支持系统事务级、行为级建模的开源的 C++ library； 我们将 SystemC 仿真的模拟叫做模拟器。在很多场景下，模拟器要保持 alive，等待异步 async 事件，做出对应的处理。例如设计一个 SystemC 消费者模拟器，而生产者程序不属于 SystemC 仿真范畴，消费者模拟器需要一直保持等待，并在出现数据后进行处理。 世界上没有东西是完美的啊，倒不如说，同时拥有光明和阴影才是完美的，这样的你才是真正的你。 ------ 大家好啊 我是 暮冬 Z 羡慕 以上应用场

# 前言 本篇博客提供简单的 Python 脚本代码，实现 onnx 模型转换编译，保存为 TVM 的 .so .params .json 文件 。 望长城内外，惟余莽莽；大河上下，顿失滔滔。 --------------- 教员 ------ 大家好啊 我是 暮冬 Z 羡慕 # Python 脚本实现模型编译和保存 脚本中需要修改的就一些路径，很容易看明白，就不再过多介绍了。 import onnx from tvm.contrib.download import download_testdata from PIL import Image import nump

# 昇腾 昇腾官方文档 华为昇腾（HUAWEI Ascend）是华为公司推出的一系列人工智能处理器，标志着华为在自主设计人工智能（AI）芯片领域的重要进展。昇腾芯片基于华为自主研发的达芬奇架构，这一架构设计旨在优化 AI 计算的效率和性能，特别是针对深度学习任务进行了专门优化。 还可以去找一下 《昇腾 AI 处理器架构与编程：深⼊理解 CANN 技术原理及应⽤》等相关书籍。 # NCNN 腾讯 NCNN ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。 ncnn 从设计之初深刻考虑手机端的部署和使用。 无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。

新的坦克模型，T110E3 卡迪夫蓝调皮肤模型，快要问世了。这里展示制作过程。 # 卡迪夫蓝调皮肤 # 建模过程 # 打印组装 # 最后 此模型是摆件，没有行动能力。还是很期待啊。

# 前言 本篇博客主要介绍如何通过 G++ 编译器编译 C++ 代码，部署 TVM。 总感觉，属于我们的时代还没开始，就要结束了呢。 ------ 大家好啊 我是 暮冬 Z 羡慕 # 现状 TVM 官方文档: 英文文档 中文文档 主要介绍了通过 Python 脚本和 Python 命令行 tvmc 来编译和部署 TVM。但是以这两种方式部署，部署设备还需要安装 Python 运行环境，带来额外空间占用和开销。显然不能以这种方式部署。 TVM 项目的 howto_deploy 目录下提供了 G++ 编译 C++ 代码部署 TVM 的方式。遗憾的是给的例子没有包含模型的权重.pa

本文讨论了 ncnn 和 tengine 两个框架在量化推理上的逻辑，并比较了它们之间的区别与联系，以及一点自己的思考。 风雨送春归，飞雪迎春到。 已是悬崖百丈冰，犹有花枝俏。 ---- 教员 ------ 大家好啊 我是 暮冬 Z 羡慕 # 量化 这里仅简单介绍一下量化，不会展开，有机会再详细写一下量化算法。 # 什么是量化 量化的核心思想是将连续的浮点数域映射到一个更小的、离散的整数集合上。这通过将浮点数值舍入或映射到最近的整数值来实现，同时保持整个模型表示的动态范围。例如，一个原本使用 32 位浮点数表示的权重值，在量化后可能会被转换为 8 位的整数，这样每个权重只

# 坦克世界皮肤图片 IS-7 皮肤台词：" 原来是这样的： 如果有人回到基地，至少一辆坦克，那就算是一次营救任务。如果无人返回，那就是一次侦察任务。那就是他们在总部报告中对我们的分类方式，而我就是参加了一次营救任务。事情是这样的：我们整个小队一起移动，一些奇怪的大雾导致能见度为 0，坦克只能摸索着前行，就好像在牛奶中前进一样。然后坦克出现了。D 系的坦克。我记得它们的外形，也知道如何应对它们。你也知道，我以前经历过一些战事。接下来又遇到了没有沙子的沙尘暴… 我也不知道该怎么解释。我经历了持续的耳鸣，一些嗡嗡的声音。眼睛仿佛沾满了焦油。奇怪的低语。黑暗… 如同活物一般。我们摔