XLA
原 TensorFlow技术内幕（七）：模型优化之XLA（上） 2018年06月13日 14:53:49 jony0917 阅读数 5513 版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接： https://blog.csdn.net/gaofeipaopaotang/article/details/80679100 本章中我们分析一下TensorFlow的XLA（Accelerated Linear Algebra 加速线性代数)的内核实现。代码位置在tensorflow/compiler. XLA 在XLA技术之前，TensorFlow中计算图的执行是由runtime(运行时)代码驱动的：runtime负责加载计算图定义、创建计算图、计算图分区、计算图优化、分配设备、管理节点间的依赖并调度节点kernel的执行；计算图是数据部分，runtime是代码部分。在第五章session类的实现分析中，我们已经比较详细的分析了这个过程。在XLA出现之后，我们有了另一个选择，计算图现在可以直接被编译成目标平台的可执行代码，可以直接执行，不需要runtime代码的参与了。 本章我就来分析一下XLA是如何将tensorflow.GraphDef编译成可执行代码的。 目前XLA提供了AOT(提前编译)和JIT(即时编译)两种方式