Un framework minimalista de deep learning con una API de tensores similar a PyTorch, autograd, un compilador y compatibilidad con numerosos aceleradores.
33,8 mil4,4 milPythonMITActualizado ayer
apache/tvm
Un framework abierto de compilación de machine learning que permite personalizar pipelines de compilación en Python y desplegar modelos en distintos tipos de hardware.
- Estrellas
- 13,853
- Forks
- 4,018
- Issues abiertos
- 358
- Último commit
- hace 12 horas
¿Qué es?
Apache TVM es un framework de compilación de machine learning que toma modelos entrenados y los compila en módulos desplegables para distintos tipos de hardware. Su desarrollo prioriza Python, por lo que la mayoría de las transformaciones del pipeline de compilación se pueden personalizar en Python, en lugar de modificar el núcleo de C++.
El proyecto utiliza un diseño que abarca varios niveles: TensorIR sirve como representación a nivel de tensor para programas de operadores de bajo nivel, mientras que Relax sirve como representación a nivel de grafo para grafos computacionales. Esto permite aplicar conjuntamente optimizaciones de grafos y de programas de tensores, además de integrarse con bibliotecas externas.
TVM también se plantea como infraestructura para crear compiladores específicos de dominio, y los LLM se mencionan como un ejemplo. Los temas del proyecto indican compatibilidad con backends como stacks de GPU relacionados con CUDA, OpenCL, Vulkan, Metal, ROCm y objetivos de estilo JavaScript para WebAssembly.
Funciones clave
- 01Personalización de los pipelines de transformación del compilador con un enfoque centrado en Python.
- 02TensorIR para representar programas a nivel de tensor.
- 03Relax para representar grafos computacionales a nivel de grafo.
- 04Optimización conjunta de grafos, programas de tensores y bibliotecas externas.
- 05Compatibilidad con backends de GPU como OpenCL, Vulkan, Metal y ROCm.
Casos de uso
- Desplegar modelos de deep learning entrenados en distintos tipos de hardware, como GPU o dispositivos edge.
- Crear un compilador de ML personalizado para un dominio o una familia de modelos específicos.
- Investigar nuevas optimizaciones de programas de tensores en Python.
- Compilar modelos para ejecutarlos en navegadores o entornos JavaScript.
Inicio rápido
- 1
Lee las instrucciones de instalación en el sitio de documentación de TVM
- 2
Sigue el tutorial «Primeros pasos con TVM»
Temas
Preguntas frecuentes
- ¿Qué es tvm?
- Un framework abierto de compilación de machine learning que permite personalizar pipelines de compilación en Python y desplegar modelos en distintos tipos de hardware. Apache TVM es un framework de compilación de machine learning que toma modelos entrenados y los compila en módulos desplegables para distintos tipos de hardware. Su desarrollo prioriza Python, por lo que la mayoría de las transformaciones del pipeline de compilación se pueden personalizar en Python, en lugar de modificar el núcleo de C++.
- ¿tvm es gratuito? ¿Qué licencia tiene?
- tvm es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿tvm sigue mantenido?
- Mantenimiento activo. El último commit de tvm fue el 21 oct 2026.
- ¿Para qué puedo usar tvm?
- Desplegar modelos de deep learning entrenados en distintos tipos de hardware, como GPU o dispositivos edge. Crear un compilador de ML personalizado para un dominio o una familia de modelos específicos. Investigar nuevas optimizaciones de programas de tensores en Python. Compilar modelos para ejecutarlos en navegadores o entornos JavaScript.
- ¿Cómo se instala tvm?
- Lee las instrucciones de instalación en el sitio de documentación de TVM Sigue el tutorial «Primeros pasos con TVM»
- ¿Dónde consigo tvm?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/apache/tvm
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de deep learning para Python que ofrece operaciones con tensores aceleradas por GPU y redes neuronales dinámicas basadas en autograd.
104,9 mil32,4 milPythonOtherActualizado hace 11 horas
Biblioteca de tensores y framework de deep learning en Rust para entrenamiento e inferencia con backends CUDA, ROCm, Metal, Vulkan, WebGPU y CPU.
16,1 mil1,1 milRustApache-2.0Actualizado hace 12 horas
Plataforma open source integral para crear e implementar modelos de machine learning, con API para Python y C++.
201,2 mil79,8 milC++Apache-2.0Actualizado ayer
Compilador y runtime basados en MLIR que traducen modelos de ML a una IR unificada para desplegarlos desde centros de datos hasta dispositivos móviles y edge.
4 mil1 milC++Apache-2.0Actualizado hace 3 horas
API de Swift para MLX, el framework de arrays para machine learning en Apple silicon, que permite a los desarrolladores de Swift ejecutar investigación y experimentos de ML.
2,1 mil371C++MITActualizado anteayer