学习资料
机器学习编译：
- 模型从开发形式→部署形式
- 机器学习编译的过程可以被看作张量函数之间的变换
mlc目标：
张量 (Tensor)： 表示神经网络模型执行的输入、输出和中间结果的多维数组。
张量函数 (Tensor functions)：
- 神经网络的“知识”被编码在权重和接受张量和输出张量的计算序列。
- 张量函数不需要对应于神经网络计算的单个步骤。
- 部分计算或整个端到端计算也可以看作张量函数。
元张量函数：
- 一个典型的机器学习模型的执行包含许多步将输入张量之间转化为最终预测的计算步骤，其中的每一步都被称为元张量函数 (primitive tensor function)。
- 不同的抽象能够表示（和实现）同样的元张量函数。
- 编译的过程回将元张量函数变换为更加专门的、针对特定工作和部署环境的函数。
元张量函数抽象：