By 超神经
内容一览：近日，由 MLC 社区志愿者共同翻译校对的 TVM 中文文档正式发布，现已托管至超神经官网 Hyper.AI。
关键词：TVM 开源 机器学习编译器
面世5年，TVM成备受追捧的深度学习编译栈
2017 年 8 月，时任华盛顿大学博士生的陈天奇及其团队成员，正式发布 TVM。
这是一个开源的模型编译框架，全称 Tensor Virtual Machine，意为张量虚拟机，旨在将机器学习算法自动编译成可供下层硬件执行的机器语言，从而利用多种类型的算力。
TVM 系统概览
适用于 CPU、GPU 和各种机器学习加速芯片
论文：
TVM: An Automated End-to-End Optimizing Compiler for Deep Learning
地址：
https://r6.ieee.org/scv-cis/wp-content/uploads/sites/6/2019/03/TVM-1hour.pdf
在知乎问题「如何评价陈天奇团队新开源的 TVM？」中，陈天奇更是亲自解读，称：
TVM 尝试从更高的抽象层次上总结深度学习 op 的手工优化经验，用来使得用户可以快速地以自动或者半自动的方法探索高效的 op 实现空间。
这一问题在知乎收获将近 26 万的阅读
开源近 5 年以来，TVM 凭借其灵活性、高性能以及对任意硬件的适配程度，备受众多大厂的青睐，NVIDIA、AMD、ARM、AWS、Facebook 等厂商，均采用 TVM 这一开源的端到端深度学习硬件编译栈，以加强对任意硬件的支持。
耗时 3 个月，v0.10.0 中文文档上线
目前网络上 TVM 相关的中文学习资料比较零散，仅有的一些中文资料多为相关行业从业者或爱好者，根据自己学习或工作需要整理输出的。
为了帮助国内开发者系统性学习 TVM，促进机器学习编译在国内的发展，MLC (Machine Learning Compilation) 社区社区志愿者从文档开始，以开源协作的方式对 TVM 官方文档 v0.10.0 进行了本土化。
TVM 中文文档由超神经 Hyper.AI 托管
传送门→https://tvm.hyper.ai/
中文文档在 TVM 官网英文文档的架构基础上，做了更符合国人阅读习惯的调整，从安装 TVM 到使用开发，提供了一系列可供参考的实用文档。
安装 TVM 共包括 3 种方法
源码安装、Docker镜像安装以及NNPACK Contrib安装
在用户教程部分，也提供了十多个教程供开发者快速搜索定位学习。
目前，TVM 中文文档仍在更新中，我们希望能有更多关心、关注机器学习编译的开发者加入其中，从社区中获得价值，并为社区创造价值。
我们欢迎一切形式的贡献，包括但不限于：
* 认领 TVM 英文文档的翻译及 Review
* 提交 Issue 或 PR，让中文文档更规范
* 推广项目教程、博文，并积极参与社区活动
* More
开源社区一切源自社区，一切回馈社区，现在访问 TVM 中文文档 GitHub Repo，期待你成为我们的一员，为中文领域机器学习编译器的发展贡献力量！
在 GitHub ⭐️ TVM 英文：
https://github.com/apache/tvm
在 GitHub ⭐️ TVM 中文：
https://github.com/hyperai/tvm-cn
致谢：
TVM 中文站点顺利上线，离不开 MLC.AI 社区的大力支持，衷心感谢各位社区成员的积极参与和协助：
从左到右他们分别是：
白杨 姜汉 冯思远 熊勉 刘通晓 潘相瑜
—— 完 ——
