就目前AI框架挺火的，我们较为熟悉的AI框架有：TensorFlow、pyTorch、MindSpore等 AI框架可将高级语言python转化为计算图 但存在的问题是底层的硬件并不能直接识别计算图，因此AI框架需要把计算图传给AI编译器进行前端优化
AI编译器的前端优化主要是针对图层优化的
- 算子融合PASS 将多个独立的算子合并成一个算子，目的是提高计算密度，减少内核启动 / 调度开销、内存带宽占用
- 内存分配PASS 为程序、计算图中的张量、变量和临时数据分配内存空间
- 内存排序PASS 优化数据在内存的排序方式
- 常量折叠PASS 在编译 / 优化阶段提前计算常量表达式的结果，替换原表达式，避免运行时重复计算，减少计算量和内存访问。
流程说明
Python → AI框架前端（Python解析）→ AI框架生成「计算图」→ 编译器前端（接收计算图）→ 转化为「Graph IR」→ 编译器中端（执行各类Pass）→ 优化后的Graph IR → 编译器后端（生成目标代码）
上面是AI编译器整个流程图
