Relay IR represents.

Relay IR表示

Relay IR简介
本节内容主要介绍 Relay IR——作为第二代 NNVM 的中间表示形式。该部分内容旨在为两类读者提供参考，一类是具备编程语言背景的人员，另一类则是对计算图表示有一定了解的深度学习框架开发者。
简要概述了设计目标以及讨论的核心要点。
• 兼容传统数据流式编程与转换方式。
• 支持函数作用域及 let 绑定，使其成为一种功能完善的可微分语言。
• 允许用户融合两种不同的编程风格进行开发。

使用 Relay 构建计算图
在传统的深度学习框架中，通常采用计算图作为中间表示形式。计算图（或称数据流图）是一种有向无环图（DAG），用于描述计算过程。由于缺乏控制流结构，这种数据流图在表达能力上受到一定限制，但其优势在于易于实现自动微分和异构执行环境下的编译（如在专用硬件上执行）。

通过 Relay 可以构建出计算（数据流）图。如何构造一个包含两个节点的简单图形？以下示例语法与 NNVMv1 等现有计算图 IR 的区别在于：
• 传统框架多采用图和子图的方式进行组织；
• Relay 则使用函数来表示图形，例如 fn (%x) 这样的形式。

每个数据流节点在 Relay 中都对应一个 CallNode。利用 Relay Python DSL 可以快速构建数据流图。例如构造 Add 节点时，两个输入均指向