隨著大模型的發展與應用,深度學習編譯器的內涵和外延逐步擴展。與傳統編譯器相比,深度學習編譯器增加了特定於人工智能模型實現的設計與優化。本書共12章。第1章從深度學習的起源、發展與爆發出發,引出深度學習模型的基礎概念、深度學習應用的開發流程和深度學習框架。第2章介紹深度學習運算特徵、深度學習硬件平臺和深度學習編譯技術,通過分析典型深度學習編譯器的架構,給出深度學習編譯器的一般架構。第3章介紹面向深度學習應用開發的編程模型和編程接口。第4章從計算圖的構成、分類、轉換和分析4個角度,介紹深度學習編譯器前端的工作流程。第5章從中間表示的概念、分類和設計3個角度,分析深度學習編譯器中間表示的設計方法和重要作用。第6～12章介紹深度學習編譯優化,包括自動微分、計算圖優化、內存分配與優化、算子選擇與生成、代碼生成與優化、自動並行及模型推理等。本書可作為計算機科學與技術專業、軟件工程專業的教學參考書,也可供人工智能大模型性能優化人員參考。
