OpenCL，OpenGL编译
TVM已经支持多个硬件后端：CPU，GPU，移动设备等…添加了另一个后端：OpenGL / WebGL。
OpenGL / WebGL能够在没有安装CUDA的环境中利用GPU。目前，这是在浏览器中使用GPU的唯一方式。
这个新的后端允许以一下3种方式使用OpenGL / WebGL：
• 本地OpenGL：可以将深度学习模型编译成OpenGL，并直接在本地机器上运行，完全只使用Python。
• 带有RPC的WebGL：可以将深度学习模型编译为WebGL，作为一个共享库导出，并带有Java主机代码和WebGL设备代码。然后，可以通过RPC将这个共享库部署到TVM Java运行时系统，在浏览器内运行。
• 带有静态库的WebGL：可以将深度学习模型编译为WebGL，与TVM Java运行时系统连接，导出整个包。然后，可以在浏览器的网页中运行模型，不需要依赖项。详细流程如图1所示。
TVM Compiler
TVM中的操作内核是自动编译的，不是人工编译的。如图2所示，TVM使用统一的AST定义内核，编译为不同平台上的代码。
• 不需要编写大量附加代码，就可以将现有模型部署。Relay / TVM模型定义对于所有target都是相同的，只需将其编译到新的target。
• 如果要添加新的操作系统内核，只需要在TVM中定义一次，不用为每个target实现一次。不需要知道如何编写代码添加新的操作系统内核。
CPU（LLVM）：模型被编译为LLVM IR和JIT’ed，完全在CPU上运行。
OpenCL：模型被编译成OpenCL。还有一些glue code被编译到LLVM，负责设置和启动OpenCL内核。然后在本地机器上运行。
OpenGL：与OpenCL相同，但编译为OpenGL。
参考链接：
https://www.sohu.com/a/225439682_473283
