这篇文章跟进源码介绍了一下TVM的编译流程，可以看到TVM通过Relay IR来对接深度学习框架的模型并通过编译流程将Relay IR编译成了硬件可以执行的IR，再将这个底层IR和运行时库以及模型参数打包为一个tvm.Module返回。关于为什么要将底层IR和运行时库以及模型参数打包，根据官方文档可以知道这样是为了可以方便的保存TVM的计算图和运行时库，可以做到一次编译，可持久化推理。

通过QEMU的用户模式，您可以在主机操作系统上运行不同架构的应用程序，无需真实的目标硬件，极大的节省了开发成本，提升了开发效率。需要注意的是，虽然 VMware Workstation 支持多种 CPU 架构的模拟，但在模拟性能和兼容性方面可能会有一定差异，特别是对于需要较高计算资源的场景。总的来说，Windows VirtualBox 是一个功能丰富、易于使用的虚拟化软件，适用于个人用户、开发者

树的节点定义为在中，主要有以下几种类型：ConstantNode、VarNode、TupleNode、CallNode、LetNode、IfNode。这些Node都继承了在定义的，而又继承了/*!*//*!* \brief 所有非原始表达式的基节点。* RelayExpr 支持张量类型、函数和 ADT 作为* 一等公民。对应的生命周期* 对象由语言隐式管理。Expr cond;/*!/*!publ

大家好，我是ZhengN。本次给大家分享一些芯片原厂的代码仓库，这些资源已收录到咱们嵌入式大杂烩的资源仓库里了：https://gitee.com/zhengnianli/EmbedSummary我们用到一个新的芯片时，一般在它们的官网都可以找到一些入门、上手的资料。除此之外，有些原厂也有在维护其GitHub仓库，我们也可以从中获取得到一些相关源码。下面列举了一些芯片原厂的GitHub仓库：意法半

目录1.什么是三维卷积1.1 三维卷积简介1.2 三维卷积的工作原理2，三维卷积核多通道卷积的区别2.1 多通道卷积 2.2 三维卷积和多通道卷积之间的区别2.3 总结3，三维卷积的应用3.1 视频分类3.2 点云分类3.2.1 PointNet网络亮点3.2.2PointNet网络结构3.3 图像分割(U-Net)3.3.1 二维的U-Net3.3.2 三维的U-Net1.什么是三维卷积1.1

本章是我们从LLVM森林看到LLVM树木的第一章。介绍了我们如何在LLVM上定义出我们的架构，方便后续添加枝叶进去。可能有点晦涩，可对照代码来读。下一章讲的内容应该更好懂，下一章我们讲讲如何添加寄存器信息进去。

由于最近需要在无人机上做一些目标识别的任务，经过一番调研，决定使用YOLO v3的darknet版本，以方便其在TX2这样的设备上部署darknet非常容易安装，它只有２个可选择的依赖：安装这两个依赖都必须要./darknet说明安装完成我们没有使用OpenCV编译Darknet，因此无法直接显示检测结果。相反，它将它们保存在/darknet/predictions.png中。您可以打开它来查看检

DSP通过应用到机器人的控制系统后，充分利用自身的实时计算速度特性，使得机器人系统可以快速处理问题，随着不断提高 DSP 数字信号芯片速度，在系统中容易构成并行处理网络，大大提高控制系统的性能，使得机器人系统得到更为广泛的发展。按照DSP芯片的用途来分，可分为通用型DSP芯片和专用型的DSP芯片。目前，市场上所销售的 DSP 器件中，占据主流产品的依然是16 位的定点可编程 DSP 器件，随着 D

我们来看看主流的自动驾驶芯片的算力。理论上来说 training 和 inference 有类似的特征，但是以目前的情况来说，在运算量差别大，精度差别大，能耗条件不同和算法也有差别的情况下，training 和 inference 还是分开的状态。：在原始层把数据都融合在一起，融合好的数据就好比是一个超级传感器，而且这个传感器不仅有能力可以看到红外线，还有能力可以看到摄像头或者RGB，也有能力看到

这篇文章，我们介绍了程序编译的最基本概念，编译中的大部分流程都有所涉及。下一章开始我们介绍如何用LLVM快捷的实现上面的流程。LLVM的精髓就在于，你不必对上面每一个步骤内部如何实现的彻底了解细节。你只需要知道有这么个东西就能很快攒出你的编译器。目录更新桔里猫：用LLVM写一个芯片编译器（二）——从无到有需要写什么东西桔里猫：用LLVM写一个芯片编译器（三）——芯片的整体架构部分。