面试题库 › 算法 / 大模型 › TensorFlow 图优化与 torch.compile 原理

TensorFlow 图优化与 torch.compile 原理

难度 ★★★在 2 场真实面经中被问到 方向:算法 / 大模型考点:深度学习框架原理

哪些公司问过

寒武纪2

常见岗位:机器学习算法(泛)、大模型算法

答案要点

  1. 图优化在图构建后、执行前进行;TF 主要由 Grappler 完成,可叠加 XLA
  2. 常见策略:常量折叠、算术简化与公共子表达式消除、死节点剪枝、布局优化、算子融合、内存优化
  3. torch.compile:PyTorch 2.0 引入,保持 eager 写法
  4. TorchDynamo 字节码级图捕获(图中断 + guard)→ AOTAutograd 生成前反向图 → Inductor 生成 Triton/C++ 代码
  5. 代价与注意:首次编译开销、图中断影响收益、形状变化触发重编译,可用动态形状

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题