面向AI编译器的张量表达式计算图优化与融合策略生成系统开发_AI芯片 编译优化_2026年.docxVIP

PAGE21

目录

面向AI编译器的张量表达式计算图优化与融合策略生成系统开发

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

面向AI编译器的张量表达式计算图优化与融合策略生成系统开发

摘要

深度神经网络推理在AI芯片与通用处理器上的执行效率，很大程度上取决于编译器对计算图的优化质量。主流深度学习框架在动态图模式下按算子逐个调度执行，每个算子都要经历完整的“读入中间张量—计算—写回内存”过程，算子间大量冗余的内存搬运成为推理延迟的主要来源之一。以ResNet-18在CPU上的单批次推理为例，逐算子执行时中间特征图在缓存与主存之间反复流动，访存时间可占总延迟的四成以上。

本课题面向AI编译器后端代码生成环节，设计