[编译器]-2 AI编译器介绍

AI领域已有很多深度学习框架，TensorFLow，PyTorch、Caffee2等，AI模型开发者面临从一个框架切换到另一个框架的困难，而框架开发维护者也面临不同芯片平台支持的挑战，因此AI芯片厂商需要为每款芯片提供多框架支持，每个算子可能需要以不同方式定义和实现，导致出现了面向专用架构的AI编译器：TVM、XLA、Glow等。

AI编译器结构

AI框架（TensorFLow，PyTorch、Caffee2）-- 高阶IR -- 编译器前端优化 -- 低阶IR -- 编译器后端优化 -- 可执行代码 -- 不同芯片(GPGPU/CPU/FPGA/TPU)

1.高阶IR (High-Level IR)

目标是提供一个抽象的、硬件无关的中间表示，以便于在编译器的前端和后端进行优化和转换。它应该能够捕获高级模型的语义和结构，同时保持足够的灵活性，以满足不同硬件架构的优化需求。

输入：来自AI框架的高层次模型表示。

功能：将高层次模型通过DAG和Let-bingding等构建计算图（建立控制流与算子、数据之间的关系），需提供对数据张量和算子的支持。

2.编译器前端优化 (Front