TVM的编译流程

　　TVM主要的编译过程如下图：
　　
　　Import：将tensorflow，onnx，pytorch等构建的深度学习模型导入，转化成TVM的中间层表示IR。
　　Lower：将高层IR表示转化成低阶TIR表示。
　　Codegen：内存分配和硬件可执行程序生成。

　　图导入
　　通过一个tensorflow的reception网络来熟悉编译过程，其它深度学习框架也具有类似过程。从TVM官网可以下载tensorflow的编译程序
　　https://tvm.apache.org/docs/tutorials/frontend/from_tensorflow.html#sphx.。.。主要代码如下：
　　
　　模型的输入是一个后缀为pb的文件，它是神经网络模型图的protobuf格式存储文件。Pb是二进制形式，pbtxt是文本形式。Import_graph_def函数是导入pb，graph是tensorflow的图结构。
　　From_tensorflow是将tensorflow的图结构转化成TVM的IR。这个函数在文件relay/frontend/tensorflow.py中。函数的调用关系为：
　　From_tensorflow -》 GraphProto.from_tensorflow -》 self._get_relay_func。
　　在get_relay_func中会遍历每个tensorflow的节点，转换成tvm的IR表示。重点关注_backtrack_construct函数。
　　
　　继续深入和算子转化有关的函数调用为：_convert_operator -》 convert_map。Convert_map中对应了可支持tensorflow算子到tvm算子的转换关系。
　　
　　完成了tensorflow到TVM算子转化后，我们就得到了一个IRModule。我们可以利用tvm的可视化来打印出转化后的图：
　　
　　Main是主函数入口，在TVM中以函数形式反应了tensorflow的图结构。函数的调用关系反应了图的依赖关系。

　　编译
　　Python中主要代码位于relay/build_module.py文件中，调用关系为build -》 BuildModule -》 build。在build中通过字典获得了C++中的相应函数。
　　
　　这里不明白如何通过self.mod［“build”］得到C++中函数的。_BuildModule（）是C++中注册到环境中的一个函数。在src/relay/backend/build_module.cc中，
　　
　　TVM_REGISTER_GLOBAL是将C++函数注册到一个全局map中。当python加载编译好的动态库时，会自动查询map中静态注册的函数，并添加到python模块当中。
　　真正build操作位于RelayBuildModule类中，在其中有一个GetFunction函数，会通过名字查询要使用的函数，打包成PackedFunc返回，这个函数可能和self.mod［“build”］有关。PackedFunc是TVM中提供的python的一个接口，任何函数都可以封装成PackedFunc，并给python调用。更详细介绍可看：https://hjchen2.github.io/2020/01/10/TVM-PackedFunc%E5%AE%9E%E7%8E%B0%E6.。.
　　继续深入代码，Build -》 BuildRelay。这是编译的主要代码。其过程包括optimize，codgen。
　　
　　Optimize就是执行一些优化passes，这些passes包括常数折叠，算符融合等。之后会调用graph_codegen-》Codegen。Codegen中实现了内存分配和硬件代码生成。