現行之AI應用多以各類型的深度學習Framework進行開發,最後要將Framework所訓練出之深度學習模型部屬到硬體設備(CPU/GPU/DLA)上inference，一個重要的問題是如何在異質化的計算系統上做計算速度以及功耗上的最佳化，早期多使用半自動的程序來產生AI模型對應之指令，但隨著當今的AI網路複雜化，需要仰賴特殊編譯器的支援來進行，本模組教材將帶學生從AI模型編譯器之基礎理論開始，至TVM-based之編譯器架構，並搭配實驗課程來讓同學完整的了解整個AI模型編譯流程。