【nnvm】——graph的json

最新推荐文章于 2026-06-20 11:25:09 发布

原创最新推荐文章于 2026-06-20 11:25:09 发布 · 541 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

TVM

当前文章被收录于：

TVM

4 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文介绍了一个使用TVM构建的简单计算图示例，其中包括两个输入节点x和y，以及一个名为elemwise_add0的计算节点，该节点执行融合平方根和逐元素加法操作。文章还展示了计算图的具体结构及其属性。

低功耗蓝牙项目，需要一块懂省电的板

思澈 SF32LB52 芯片，BLE 协议栈深度优化，上手即开发

点击查看

nnvm

{
  "nodes": [
    {
      "op": "null", 
      "name": "x", 
      "inputs": []
    }, 
    {
      "op": "null", 
      "name": "y", 
      "inputs": []
    }, 
    {
      "op": "tvm_op", 
      "name": "elemwise_add0", 
      "attrs": {
        "flatten_data": "1", 
        "func_name": "fuse_sqrt_elemwise_add", 
        "num_inputs": "2", 
        "num_outputs": "1"
      }, 
      "inputs": [[0, 0, 0], [1, 0, 0]]
    }
  ], 
  "arg_nodes": [0, 1], 
  "node_row_ptr": [0, 1, 2, 3], 
  "heads": [[2, 0, 0]], 
  "attrs": {
    "storage_num_not_allocated": ["size_t", 0], 
    "dtype": ["list_int", [0, 0, 0]], 
    "dltype": ["list_str", [
        "float32", 
        "float32", 
        "float32"]], 
    "shape": ["list_shape", [
        [4], 
        [4], 
        [4]]], 
    "storage_allocated_bytes": ["size_t", 16], 
    "storage_id": ["list_int", [-1, -1, 0]], 
    "storage_inplace_index": ["list_int", [-1, -1, -1]]
  }
}