{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,1,3]]，“日期-时间”：“2024-01-03T16:45:32Z”，“时间戳”：1704300332264}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：34，“发布商”：“ACM”，“内容-域”：{:“域”：[“dl.ACM.org”]，“交叉标记限制“：true}，”short-container-title“：[]，“published-print”：{“date-parts”：[[2022,8,29]]}，“DOI”：“10.1145\/3545008.3545037”，“type”：“proceedings-article”，“created”：{“date-parts”：[[2023,15]]，“date-time”：“2023-01-15T01:04:08Z”，“timestamp”：1673744648000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source“：”Crossref“，”is-referenced-by-count“：1，”title“：[“EasyView:在深度学习编译器中启用和调度张量视图”]，“prefix”：“10.1145”，“author”：[{“given”：“Lijuan”，“family”：“Jiang”，“sequence”：“first”，“affiliation”：[}“name”：“SenseTime Research，China”}]}，{“给定”：“Ping”，“家庭”：“Xu”，“序列”：“additional”，“从属关系”：[[{”name“SenseTime-Research，中国”}]{，“givent”：“Qianchao”，“family”：“Zhu”，“sequence”：“additional”，“affiliation”：[{“name”：“中国北京大学数学科学院”}]}，{“given”：“Xiuhong”，“faily”：”Li“，”sequence“：”additional“，”affiliance“：[{name“：”SenseTime Research，China and Shanghai AI Lab，China“}]}，{”given“：”Sheng“，”family“：”Yan“，”sequence“:”additionable“，“affaliation”:[{”name“name”：“SenseTime Research，中国”}]}，{“given”：“兴城”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[{“name”：“Sense Time Researth，China and Shanghai AI Lab，China”}]neneneep，{”given“：”Dahua“，”family“：”Lin“sequencement”：“additional”、“affidiation”：“[{”name“The China Hong University of China and China Shanghaii AI Lab，China]}，“givent”：“Wenjing”，“family”：“Ma”，“sequence”：“additional”，“affiliation”：[{“name”：“中国科学院软件研究所”}]}，{“given”：“Zhouyang”，“faily”：”Li“，”sequence“：”additional“，“affaliation”:[{”name“：”SenseTime Research，China“}]}.，{”given“：”Jun“，”family“，”sequence“:”additionable“，”affiliance“：[{name”：”Sense Time Researchina“}]{，{“given”：“Jinming”，“family”：“Ma”，“sequence”：“additional”，“affiliation”：[{“name”：“SenseTime Research，China”}]}，{“fixed”：“Minxi”，”family“：”Jin“，”sequence“：”additional：“中国北京大学数学科学院和北京大学计算与数字经济研究所”}]}]，“成员”：“320”，“在线发布”：{“日期-部件”：[[2023,13]]}，“参考”：[{“密钥”：“e_1_3_2_1_1_1”，“卷-时间”：“第十二届USENIX操作系统设计与实现研讨会（OSDI 16）”，“作者”：“Abadi Mart\u00edn”，“年份”：“2016年”，“非结构化”：“Mart\u00edn Abadi，Paul Barham，Jianmin Chen，Zhifeng Chen，Andy Davis，Jeffrey Dean，Matthieu Devin，Sanjay Ghemawat，Geoffrey Irving，Michael Isard，2016。Tensorflow:大型机器学习系统。第十二届USENIX操作系统设计与实现研讨会（OSDI 16）。265\u2013283。Mart\u00edn Abadi、Paul Barham、Chen Jianmin、Chen Zhefeng、Andy Davis、Jeffrey Dean、Matthieu Devin、Sanjay Ghemawat、Geoffrey Irving、Michael Isard，2016年。Tensorflow：用于大规模机器学习的系统。在第12届USENIX操作系统设计与实现研讨会上（OSDI 16）。265\u2013283。”}，｛“键”：“e_1_3_2_1_2_1”，“非结构化”：“Akshay Agrawal Akshay\u00a0Naresh Modi Alexandre Passos Allen Lavoie Ashish Agarwal Asim Shankar Igor Ganichev Josh Levenberg Mingsheng Hong Rajat Monga 2019。TensorFlow Eagle：一种用于机器学习的多阶段Python嵌入式DSL。arXiv预印本arXiv:1903.01855（2019）。Akshay Agrawal Akshay\u00a0Naresh Modi Alexandre Passos Allen Lavoie Ashish Agarwal Asim Shankar Igor Ganicev Josh Levenberg Mingsheng Hong Rajat Monga 2019年。TensorFlow Eager：用于机器学习的多阶段Python嵌入式DSL。arXiv预印本arXiv:1903.01855（2019）。“}，{”key“：”e_1_3_2_1_3_1“，”doi-asserted-by“：”publisher“，“：”陈天奇“，”年份“：”2018“，”非结构化”：“陈田琪（Tianqi Chen）、蒂埃里·莫罗（Thierry Moreau）、姜子恒（Ziheng Jiang）、郑连敏（Lianmin Zheng）、严爱迪（Eddie Yan）、沈海晨（Haichen Shen）、梅根·考恩（Meghan Cowan）、王乐远（。TVM：用于深度学习的自动化端到端优化编译器。在第13届USENIX操作系统设计与实现研讨会（OSDI 18）上。578\u2013594。陈田琪（Tianqi Chen）、蒂埃里·莫罗（Thierry Moreau）、姜子亨（Ziheng Jiang）、郑连敏（Lianmin Zheng）、严爱迪（Eddie Yan）、沈海辰（Haichen Shen）、梅根·考恩（Meghan Cowan）、王乐源（Leyuan Wang）、胡玉伟（Yuwei Hu）、路易斯·塞泽（Luis Ceze），2018年。TVM：用于深度学习的自动化端到端优化编译器。在第13届USENIX操作系统设计与实现研讨会（OSDI 18）上。578\u2013594.“}，{“key”：“e_1_3_2_1_6_1”，“非结构化”：“Roy Frostig Matthew\u00a0James Johnson和Chris Leary.2018。通过高级跟踪编译机器学习程序。机器学习系统（2018）。罗伊·弗罗斯蒂格·马修·詹姆斯·约翰逊和克里斯·利里。2018年，通过高级跟踪编写机器学习程序。机器学习系统（2018）。“}，{”key“：”e_1_3_2_1_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICCV.2017.322”}，}，“key”：“e_1_a_2_1_8_1”，“unstructured”：“JAX-authors.2020。JAX快速启动。https:\/\/jax.readthedocs.io\/en\/latest\/notebooks\/quickstart.html。JAX作者。2020年JAX快速启动。https:\/\/jax.readthedocs.io\/en\/latest\/notebooks\/quickstart.html。“}，{”key“：”e_1_3_2_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/2833157.2833162”}，“key”：“e_1_ 3_2_1_10_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/CGO51591.2021.9370308“}”，{138“}，{”key“：”e_1_3_2_12_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/978-3-319-46448-0_2“}，{“key”：“e_1_3_2_1_13_1”，“unstructured”：“mmdetection contributors.2022。MMDection快速启动。https:\/\/github.com/open-mmlab\/mmdetection。mmdetection贡献器。2022.MMDection快速启动。https:\/\/github.com/open-mmlab\/mmdetection。“}，{”key“：”e_1_3_2_14_1“，”unstructured“：”NVIDIA Corporation.2022。快速启动。https:\/\/developer.nvidia.com/cudnn。NVIDIA公司。2022.快速启动。https:\/\/developer.nvidia.com\/cudnn。“}，｛”key“：”e_1_3_2_1_15_1“，”volume title“：”Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统的进展32“，”作者“：”Paszke Adam“，”年份“：”2019“，”非结构化“：”Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展32（2019），8026\u20138037。Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。《神经信息处理系统的进展》32（2019），8026\u20138037。“}，{”key“：”e_1_3_2_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3207719.3207723”}，“key”：“e_1_ 3_2_1_17_1”，“doi-assert-by”：“publisher”，”doi“：”10.5555 \/3314872.3314901“}”，{“key：”e_ 1_3_2 _18_1“”，“”doi-aserted-by“，”doi“：”10.1145\/2499370.2462176“}，{”key“：”e_1_3_2_19_1“，”volume-title“：”更快的r-cnn：利用区域建议网络实现实时目标检测。神经信息处理系统进展28”，“作者”：“任少清”，“年份”：“2015年”，“非结构化”：“任少清，何开明，罗斯·吉希克，孙健。2015.更快的r-cnn：利用区域提议网络实现实时目标检测。神经信息处理系统进展28（2015），91\u201399。任少清、何开明、罗斯·吉希克和孙健。2015.更快的r-cnn：利用区域提议网络实现实时目标检测。《神经信息处理系统进展》28（2015），91\u201399.“}，{”key“：”e_1_3_2_1_20_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/7356.73562”}，“{”键“：”e_1_3_2_1_21_1“，”volume-title“Glow：神经网络的图形降低编译器技术。arXiv预印本arXiv:1805.00907（2018）。”，“作者”：“Rotem Nadav”，“年份”：“2018”，“非结构化”：“Nadav Rotem、Jordan Fix、Saleem Abdullasool、Garret Catron、Summer Deng、Roman Dzhabarov、Nick Gibson、James Hegeman、Meghan Lele、Roman Levenstein，2018年。发光：神经网络的图形降低编译器技术。arXiv预印arXiv:1805.00907（2018）。Nadav Rotem、Jordan Fix、Saleem Abdullasool、Garret Catron、Summer Deng、Roman Dzhabarov、Nick Gibson、James Hegeman、Meghan Lele、Roman Levenstein，2018年。发光：神经网络的图形降低编译器技术。arXiv预印arXiv:1805.00907（2018）。“}，{”key“：”e_1_3_2_1_22_1“，”unstructured“：”The Cutlass Contributors.2021。快速启动。https:\/\/github.com//NVIDIA\/cutlass\/blob\/master\/media\/docs\/quickstart.md。cutlass贡献者。2021.快速启动。https:\/\/github.com//NVIDIA\/cutlass\/blob\/master\/media\/docs\/quickstart.md.“}，{“key”：“e_1_3_2_1_23_1”，“unstructured”：“The NumPy Community.2021。在标准光线上编制索引。https:\/\/numpy.org\/doc\/stable\/user\/basics.indexing.html#basics-indexing。NumPy社区。2021.在标准光线上编制索引。https:\/\/numpy.org\/doc\/stable\/user\/basics.indexing.html#basics-indexing。}，{“key”：“e_1_3_2_1_24_1”，“unstructured”：“The Torch Contributors.2019”。火炬。https:\/\/pytorch.org\/docs\/stable\/jit.html。火炬赞助者。2019.火炬。https:\/\/pytorch.org\/docs\/stable\/jit.html。“}，{”key“：”e_1_3_2_1_25_1“，”volume-title“：”XLA:机器学习优化编译器。https:\/\/www.tensorflow.org\/XLA.“，”author“：”Community The XLA“，”year“：”2021“，”unstructured“：”The XLA Community.2021.XLA:Optimizing Compiler for Machine Learning.https:\//www.tensofflow.org//XLA.The XLA Community.2021。XLA：为机器学习优化编译器。https:\/\/www.tensorflow.org\/xla。“}，{”key“：”e_1_3_2_1_26_1“，”volume-title“：”NumPy数组：高效数值计算的结构。科学与工程计算13，2“，”author“：”Der\u00a0Walt Stefan Van“，”year“：”2011“，”unstructured“：”Stefan Van Der\u 00a0Walt，S\u00a Chriss Colbert，and Gael Varoquaux.2011。NumPy数组：一种用于高效数值计算的结构。科学与工程计算13，2（2011），22\u201330。Stefan Van Der\u00a0Walt、S\u00a 0Chris Colbert和Gael Varoquaux。2011.NumPy数组：高效数值计算的结构。科学与工程计算13，2（2011），22\u201330.“}，{”key“：”e_1_3_2_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ASAP.2017.7995254”}，“key”：“e_1_ 3_2_1_2 8_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/SC.2014.21。Wolfram语言指南：函数式编程。https:\/\/reference.wolfram.com/language\/guide\/FunctionalProgramming.html。Wolfram语言贡献者。2022.Wolfram语言指南：函数式编程。https:\/\/reference.wolfram.com/language\/guide\/FunctionalProgramming.html。“}，{”key“：”e_1_3_2_1_30_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/MICRO.2012.19”}，“{”密钥“：”e_1_3_2_1_31_1“，”doi-asserte-by“：”publisher“，”doi“：”10.1145\/3332466.3374520，{“键”：“e_1_3_2_1_33_1”，“卷时间”：“答案：为深度学习生成高性能张力程序。在第14届USENIX操作系统设计与实现研讨会（OSDI 20）上，“作者”：“郑连民”，“年份”：“2020年”，“非结构化”：“Zhangmin Zheng，Chengfan Jia，Minmin Sun，Zhao Wu，Cody\u00a0Hao Yu，Ameer Haj-Ali，Yida Wang，Jun Yang，Danyang Zhoo，Koushik Sen，2020年。答案：为深度学习生成高性能张力程序。在第14届USENIX操作系统设计与实现研讨会（OSDI 20）上。863\u2013879。郑连敏，贾成凡，孙敏敏，赵武，余科迪\u00a0郝，阿梅尔·哈伊·阿利，王毅达，杨军，卓丹阳，库什克森，2020。答案：为深度学习生成高性能张力程序。在第14届USENIX操作系统设计与实现研讨会（OSDI 20）上。863\u2013879.“}，{”key“：”e_1_3_2_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3503222.3507723”}]，“event”：{”name“：”ICPP'22:“第51届国际并行处理大会”，“location”：“Bordeaux France”，“缩写词”：“ICPP'22”}，“container-title”：[“第51次国际并行处理会议论文集”]，“原文标题”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3545008.3545037”，“content-type”：“unspecified”，“内容版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[[2023,8,29]]，“日期时间”：“2023-08-29T11:51:33Z”，“时间戳”：1693309893000}，“分数”：1，“资源”：{primary：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3545008.3545037”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2022,8,29]]}，”引用计数“：34，”替代id“：[”10.1145\/354508.354507“，”10.1145\/3545008“]，“URL”：“http://\/dx.doi.org\/10.1145\/3555008.354537”，“”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[2022,8,29]]}，“断言”：[{“value”：“2023-01-13”，“order”：2，“name”：“published”，“label”：“published”，“group”：{“name”:“publication_history”，“标签”：“publication history”}}]}