Seminar Apache TVM Modelloptimierung mit Relax und MetaSchedule

Überblick

Dieses Aufbauseminar widmet sich der eigentlichen Leistungsarbeit in Apache TVM: Modelle werden übernommen, als IRModule analysiert, durch Optimierungs-Pipelines geführt und mit MetaSchedule systematisch auf Zielplattformen abgestimmt. Drei Tage sind für diesen Inhalt realistisch notwendig, weil die Lernkurve erst dann greift, wenn Import, IR-Analyse, Pipeline-Komposition, Tuning und Vergleichsmessung als geschlossener Ablauf bearbeitet werden.

Themenfelder

• Modellübernahme aus gängigen Frameworks und Arbeit mit IRModule
• Rolle von Relax bei graphnahen Transformationen
• Zusammenspiel von graphischer Optimierung, Tensorprogramm-Optimierung und Library-Dispatch
• MetaSchedule, Tuning-Datenbanken und systematische Suchläufe
• Messung, Vergleich und Interpretation von Performance-Ergebnissen
• Grenzen von Standard-Pipelines und Kriterien für gezielte Anpassungen

Praktische Arbeiten

Bearbeitet werden reale oder realitätsnahe Modelle, die importiert, optimiert, kompiliert und über mehrere Konfigurationen hinweg verglichen werden. Dabei werden nicht nur Zahlen erzeugt, sondern Entscheidungen hergeleitet: Wo lohnt Tuning, wo genügt Standard-Build, und wann ist eine weitergehende technische Anpassung sinnvoll?

Zielgruppe

Geeignet ist das Format für Teams, die TVM als Performance-Werkzeug ernsthaft einsetzen wollen. Dazu zählen ML Engineers, Inferenz-Plattformen, technische Forschung und alle Rollen, die reproduzierbare Leistungsverbesserungen statt bloßer Demo-Ergebnisse benötigen.

Vorkenntnisse

Vorausgesetzt werden Python-Kenntnisse, Erfahrung mit Modellen aus PyTorch oder ONNX und idealerweise ein erster Überblick über Apache TVM. Ohne Grundlagenwissen empfiehlt sich zunächst das Einstiegs- oder Kompaktseminar.