随着大模型的发展与应用，深度学习编译器的内涵和外延逐步扩展。与传统编译器相比，深度学习编译器增加了特定于人工智能模型实现的设计与优化。本书共12章。第1章从深度学习的起源、发展与爆发出发，引出深度学习模型的基础概念、深度学习应用的开发流程和深度学习框架。第2章介绍深度学习运算特征、深度学习硬件平台和深度学习编译技术，通过分析典型深度学习编译器的架构，给出深度学习编译器的一般架构。第3章介绍面向深度学习应用开发的编程模型和编程接口。第4章从计算图的构成、分类、转换和分析4个角度，介绍深度学习编译器前端的工作流程。第5章从中间表示的概念、分类和设计3个角度，分析深度学习编译器中间表示的设计方法和重要作用。第6~12章介绍深度学习编译优化，包括自动微分、计算图优化、内存分配与优化、算子选择与生成、代码生成与优化、自动并行及模型推理等。本书可作为计算机科学与技术专业、软件工程专业的教学参考书，也可供人工智能大模型性能优化人员参考。

第1章深度学习简介
1.1深度学习的起源、发展与爆发
1.1.1深度学习的起源
1.1.2深度学习的发展
1.1.3深度学习的爆发
1.2深度学习模型的基础概念
1.2.1深度学习模型的组成
1.2.2深度学习模型的运行
1.2.3深度学习模型的分类
1.3深度学习应用的开发流程
1.3.1通用开发流程
1.3.2特定领域典型应用的开发流程
1.4深度学习框架
1.4.1发展历程
1.4.2典型框架
1.4.3核心组件
第2章深度学习编译简介
2.1深度学习运算特征
2.1.1深度学习中的矩阵运算
……