Relay IR的核心数据结构

在 Apache TVM 的 Relay IR 中，基础节点（Var、Const、Call、Function 和 Expr）是构建计算图的核心数据结构。以下是对它们的详细解析，包括定义、作用、内部组成及相互关系：

---

1. Expr（表达式基类）

作用

• 所有 Relay IR 节点的基类，提供统一的类型系统和遍历接口。
• 支持递归访问、变换和类型检查。

关键组成

字段/方法	说明
checked_type_	表达式的推断类型（如 TensorType、TupleType）。
span	源代码位置信息（用于调试和错误报告）。
VisitAttrs(visitor)	递归访问所有属性和子节点（用于序列化、优化等）。
Mutate()	生成表达式的副本（用于变换和优化）。

子类关系

Expr Var Const Call Function Tuple Let If

---

2. Var（变量）

作用

• 表示计算图中的 输入变量 或 中间变量（符号化张量）。
• 类似于深度学习模型中的输入占位符或中间激活值。

关键组成

字段	说明
name_hint	变量名称（字符串标识符，如 "x"）。
type_annotation	变量的显式类型注解（可选，如 TensorType({1,3}, float32)）。
vid	内部唯一 ID（用于优化和去重）。

示例

// 定义一个浮点型张量变量
Var x("x", TensorType({1, 3}, DataType::Float(32)));

---

3. Const（常量）

作用

• 表示 不可变的数据（如模型权重、超参数）。
• 在计算图中作为叶子节点存在。

关键组成

字段	说明
data	存储的常量值（runtime::NDArray 或 relay::ConstantNode）。
checked_type_	常量的类型（通常从 data 自动推断）。

示例

// 定义一个常量张量
NDArray weight = NDArray::Empty({3, 3}, DataType::Float(32), {kDLCPU, 0});
Const weight_const(weight);

---

4. Call（函数调用）

作用

• 表示对 算子（Operator） 或 函数（Function） 的调用。
• 是构建计算图的核心节点（如 add、conv2d）。

关键组成

字段	说明
op	调用的目标（Op、Function 或 GlobalVar）。
args	参数列表（Array<Expr>，可以是 Var、Const 或其他 Call）。
attrs	调用的属性（如卷积的 strides、padding）。

示例

// 调用加法算子
Expr a = Var("a", TensorType({1}, DataType::Float(32)));
Expr b = Var("b", TensorType({1}, DataType::Float(32)));
Expr add_call = Call(Op::Get("add"), {a, b});

---

5. Function（函数定义）

作用

• 封装可复用的计算单元（类似 Lambda 表达式）。
• 用于表示模型中的子图或复合算子（如 conv2d + relu 融合）。

关键组成

字段	说明
params	输入参数列表（Array<Var>）。
body	函数体的表达式（Expr）。
ret_type	返回值的类型（如 TensorType）。
type_params	泛型类型参数（支持多态，类似 C++ 模板）。

示例

// 定义一个简单的加法函数
Var x("x", TensorType({1}, DataType::Float(32)));
Var y("y", TensorType({1}, DataType::Float(32)));
Expr body = Call(Op::Get("add"), {x, y});
Function add_func({x, y}, body, TensorType({1}, DataType::Float(32)));

---

6. 节点间的协作关系

计算图示例

z = (x + y) * 2

对应的 Relay IR 结构：

1. 变量 ：x、y（Var 节点）。
2. 常量 ：2（Const 节点）。
3. 调用 ：add(x, y) 和 multiply(add_result, 2)（Call 节点）。
4. 函数 ：封装整个计算（Function 节点）。

代码实现

Var x("x", TensorType({1}, DataType::Float(32)));
Var y("y", TensorType({1}, DataType::Float(32)));
Expr add = Call(Op::Get("add"), {x, y});
Expr two = Const(NDArray::FromVector({2.0f}));
Expr mul = Call(Op::Get("multiply"), {add, two});
Function func({x, y}, mul, TensorType({1}, DataType::Float(32)));

---

7. 类型系统支持

所有 Expr 节点都关联类型信息：

• Var/Const ：通过 type_annotation 或 checked_type_ 指定张量类型。
• Call ：根据算子的类型规则推断返回类型（如 add(Tensor, Tensor) -> Tensor）。
• Function ：通过 ret_type 声明返回值类型。

---

总结

节点	角色	关键特性
Expr	所有节点的基类	提供类型检查和遍历接口。
Var	输入/中间变量	符号化表示，支持类型注解。
Const	常量数据	存储不可变值（如权重）。
Call	算子或函数调用	构建计算图的核心节点，依赖 op 和 args。
Function	可复用的计算单元	封装参数、计算体和返回类型，支持多态。

这些基础节点共同构成了 Relay IR 的 静态计算图，通过组合它们可以表示复杂的深度学习模型，并为后续优化和代码生成提供基础。