hyperai / tvm-cn Goto Github PK

This issue lists Renovate updates and detected dependencies. Read the Dependency Dashboard docs to learn more.

Edited/Blocked

These updates have been manually edited so Renovate will no longer make changes. To discard all commits and start over, click on a checkbox.

• fix(deps): update docusaurus monorepo to v3.2.1 (@docusaurus/core, @docusaurus/module-type-aliases, @docusaurus/preset-classic, @docusaurus/tsconfig)

Open

These updates have all been created already. Click a checkbox below to force a retry/rebase of any.

• chore(deps): update dependency typescript to v5.4.5
• fix(deps): update dependency sass to v1.75.0

Detected dependencies

• Check this box to trigger a request for Renovate to run again on this repository

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Contributor Guide
• • TVM Community Guidelines
• • Submit a Pull Request
• • Code Reviews
• • Committer Guide

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Using TVM’s CI
Release Process
Error Handling Guide

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Work With microTVM
microTVM CLI Tool
Install microTVM Python dependencies
microTVM Ahead-of-Time (AOT) Compilation
microTVM PyTorch Tutorial
Training Vision Models for microTVM on Arduino
Model Tuning with microTVM
Running TVM on bare metal Arm(R) Cortex(R)-M55 CPU and Ethos(TM)-U55 NPU with CMSIS-NN
Creating Your MLPerfTiny Submission with microTVM
Bring microTVM to your own development environment

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

Wording

• TVM stack: TVM 编译栈 TVM 堆栈
• vetoes: ”否决票“和”否决权“需依赖语境

Display

• {.title-ref} (e.g. ref)
• {.interpreted-text role="ref"} (e.g. ref)
• Display error at https://tvm.hyper.ai/docs/get_start/install/from_source#tvm-包
• Display error at https://tvm.hyper.ai/docs/get_start/install/from_source#安装-contrib-库
• ::: note ::: title Note ::: at https://tvm.hyper.ai/docs/get_start/contribute/error_handling
• multiple :pytvm.error{.interpreted-text role="mod"} https://tvm.hyper.ai/docs/get_start/contribute/error_handling#如何选择错误类型

Others

• TVM has updated to C++17 (https://tvm.apache.org/docs/install/from_source.html#build-the-shared-library)

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Use AutoScheduler for Template-Free Scheduling
Auto-scheduling a Convolution Layer for GPU
Auto-scheduling a Neural Network for x86 CPU
Auto-scheduling a Neural Network for NVIDIA GPU
Auto-scheduling a Neural Network for ARM CPU
Auto-scheduling a Neural Network for mali GPU
Auto-scheduling Sparse Matrix Multiplication on CPU with Custom Sketch Rule

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Deploy Models and Integrate TVM
Deploy TVM Module using C++ API
Deploy to Android
Deploy to Adreno™ GPU
Integrate TVM into Your Project
HLS Backend Example
Relay Arm® Compute Library Integration
Relay TensorRT Integration
Vitis AI Integration
Relay BNNS Integration

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
How To Guides
Compile Deep Learning Models
Compile PyTorch Models
Compile Tensorflow Models
Compile MXNet Models
Compile ONNX Models
Compile Keras Models
Compile TFLite Models
Compile CoreML Models
Compile YOLO-V2 and YOLO-V3 in DarkNet Models
Compile PaddlePaddle Models
Compile OneFlow Models

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Auto-Tune with Templates and AutoTVM
Tuning High Performance Convolution on NVIDIA GPUs
Auto-tuning a Convolutional Network for NVIDIA GPU
Auto-tuning a Convolutional Network for x86 CPU
Auto-tuning a Convolutional Network for ARM CPU
Auto-tuning a Convolutional Network for Mobile GPU

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Work With Tensor Expression and Schedules
• • Optimize Tensor Operators
• • Auto-Tune with Templates and AutoTVM
• • Use AutoScheduler for Template-Free Scheduling

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

原文：TVM 的全称为 Tensor Virtual Machine ，意为“向量虚拟机”。
应该改为：TVM 的全称为 Tensor Virtual Machine ，意为“张量虚拟机”。

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Index
Introduction
Installing TVM
Compiling and Optimizing a Model with TVMC

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • User Tutorial
• • Introduction
• • An Overview of TVM and Model Optimization
• • Installing TVM
• • Compiling and Optimizing a Model with TVMC

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

请问在huawei atlas 200开发板的昇腾310硬件上应该使用什么tvm runtime呢？cuda和Vulcan不能在昇腾硬件上正常使用

Wording

• 表达式变异器 -> 表达式修改器 (Expression Mutators) ，其他 变异器 同理
• buffer: 缓冲区 -> 数组 或者 内存空间 at here
• 创建一个类骨架并实现所需功能，注意：需要延续使用...-> 创建一个类并实现所需功能，注意：需要继承自... at [here] (https://tvm.hyper.ai/docs/dev/how_to/relay_bring_your_own_codegen#实现-csourcecodegen)

Display

• :ref:pass-infra in https://tvm.hyper.ai/docs/dev/how_to/relay_add_pass#用-pass-manager-注册-pass

首先，由衷地感谢翻译团队的翻译！

issue内容：我在学习TVM时，发现了一个由输入法引起的翻译上的笔误，译者可能误将“空间”翻译成了“控件”。
具体位置：“用户手册”-“用户教程”-“用 Schedule 模板和 AutoTVM 优化算子”-“带有高级参数 API 的矩阵乘法模板” 的 示例代码 的 第14行注释。
具体错误：【 ##### define space begin #####】被翻译成了【##### 开始定义控件 #####】

Wording

• 同义词 -> 分类 https://tvm.hyper.ai/docs/how_to/compile/compile_pytorch#查找同义词集名称
• 规约 -> 规约 (reduce) https://tvm.hyper.ai/docs/how_to/te_schedules/reduction
• 交叉线程规约 -> 跨线程规约
• scan: 扫描 -> 线性
• sketch rule: 草图规则 -> 调度规则/搜索规则

Display Error

• link text https://tvm.hyper.ai/docs/how_to/deploy/relay_arm#使用-acl-support-构建
• link text https://tvm.hyper.ai/docs/how_to/deploy/relay_tensorrt#安装-tensorrt
• latex error latex error https://tvm.hyper.ai/docs/how_to/deploy/relay_tensorrt#安装-tensorrt
• 使用 Relay使用张量表达式和 Schedule https://tvm.hyper.ai/docs/how_to/te_schedules/
• """仅在 pass 执行之前打印 pass 的名称，IR。""" https://tvm.hyper.ai/docs/how_to/extend/pass_infra#调试-pass

Others

• output error https://tvm.hyper.ai/docs/how_to/autotune/tuning_nvidia
• Please remove 如果用的是 Python2，请将「3」更改为「2」 since Python2 is not supported anymore. (It's also a issue of the English version)

Links are broken when access pages with trailing slash:

https://tvm.hyper.ai/docs/get_start/install/from_source/#%E5%AE%89%E8%A3%85-contrib-%E5%BA%93

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Deploy Deep Learning Models
Deploy the Pretrained Model on Adreno™
Deploy the Pretrained Model on Adreno™ with tvmc Interface
Deploy the Pretrained Model on Android
Deploy the Pretrained Model on Jetson Nano
Deploy the Pretrained Model on Raspberry Pi
Compile PyTorch Object Detection Models
Deploy a Framework-prequantized Model with TVM
Deploy a Framework-prequantized Model with TVM - Part 3 (TFLite)
Deploy a Quantized Model on Cuda
Deploy a Hugging Face Pruned Model on CPU

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • 章节概览
• • Debuggging TVM
• • Adding an Operator to Relay
• • Adding a Compiler Pass to Relay
• • Bring Your Own Codegen To TVM
• • Python Target Parametrization

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 2 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 请将每一个章节英文文档 git diff 的链接提供在 comment 里
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • 章节概览
• • Compile Deep Learning Models
• • Deploy Models and Integrate TVM
• • Work With Relay

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Work With Tensor Expression and Schedules
Schedule Primitives in TVM
Reduction
Intrinsics and Math Functions
Scan and Recurrent Kernel
External Tensor Functions
Use Tensorize to Leverage Hardware Intrinsics
Compute and Reduce with Tuple Inputs
Use Tensor Expression Debug Display (TEDD) for Visualization

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Getting Starting using TVMC Python: a high-level API for TVM
• • Compiling and Optimizing a Model with the Python Interface (AutoTVM)
• • Working with Operators Using Tensor Expression
• • Optimizing Operators with Schedule Templates and AutoTVM

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Work With Relay
Building a Graph Convolutional Network
Using External Libraries in Relay
Using Pipeline Executor in Relay
Use Relay Visualizer to Visualize Relay

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • 章节概览
• • TVM Codebase Walkthrough by Example

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 2 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 请将每一个章节英文文档 git diff 的链接提供在 comment 里
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Work With microTVM
• • Extend TVM
• • Profile Models
• • Handle TVM Errors
• • Frequently Asked Questions

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 2 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Optimizing Operators with Auto-scheduling
• • Blitz Course to TensorIR
• • Cross Compilation and RPC
• • Quick Start Tutorial for Compiling Deep Learning Models
• • Making your Hardware Accelerator TVM-ready with UMA
• • Introduction to TOPI

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Optimizing Operators with Schedule Templates and AutoTVM
Optimizing Operators with Auto-scheduling
Blitz Course to TensorIR
Cross Compilation and RPC
Quick Start Tutorial for Compiling Deep Learning Models
Making your Hardware Accelerator TVM-ready with UMA
Introduction to TOPI

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

Wording

• tiling 循环切分 平铺
• unrolling 循环展开
• high-level language "上层语言" "高级语言" 都可以
• low-level language 建议使用"底层/下层 语言"，尽量避免使用“低级”语言

Comments:

• lower "降级" is a bit tricky. But I'm not sure which one is the best.

Others

• It would be great if we can keep the link to the author's homepage.
  • https://tvm.hyper.ai/docs/tutorial/intro
  • https://tvm.hyper.ai/docs/tutorial/install
  • https://tvm.hyper.ai/docs/tutorial/compile
• Do not translate the output (https://tvm.hyper.ai/docs/tutorial/compile#比较调优和未调优的模型)

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Installing TVM
• • Install from Source
• • Docker Images
• • NNPACK Contrib Installation

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Optimize Tensor Operators
How to optimize GEMM on CPU
How to optimize convolution on GPU
How to optimize convolution using TensorCores

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 v0.13版本。

本任务包含以下文档：

Installing TVM
Install from Source
Docker Images
NNPACK Contrib Installation
温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 版本。

本任务包含以下文档：Documentation

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.13 stable 版本

本任务包含以下文档：
Extend TVM
Writing a Customized Pass
How to Use TVM Pass Infra
How to Use TVM Pass Instrument
Bring Your Own Datatypes to TVM
Profile Models
Getting Started With PAPI
Handle TVM Errors
Frequently Asked Questions

温馨提示：

为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
在翻译及校对过程中，请及时在飞书文档更新进度
推荐借助 git diff 定位文档更新内容

【重要】中文文档是基于 tvm 0.10.0，对齐英文文档 0.12 stable 版本，非 v0.13 dev 版本！！！

本任务包含以下文档：

• • Documentation
• • Code Guide and Tips
• • Git Usage Tips
• • Using TVM’s CI
• • Release Process
• • Error Handling Guide

温馨提示：

• 为保证翻译的准确性，每个 Task 配备 1 名翻译者及 1 名校对者，两人配合完成本部分文档的更新
• 在翻译及校对过程中，请及时在飞书文档更新进度
• 推荐借助 git diff 定位文档更新内容