一、总体流程：
TVM的工作流程：首先，将网络表示成统一的表示形式（Intermediate Representation），并进行一些可重用的图优化；然后，利用不同的后端生成对应设备代码，如图1所示。
图1 tvm 工作流程（摘自参考资料[1]）
首先，将不同的框架下的模型载入，并使用NNVM将模型转换成中间表示的计算图，并对图进行优化，如 算子融合、减枝、图变换等；然后，TVM对张量运算进行优化，这里，TVM将代码的调度和计算分开（计算：定义需要进行的运算，调度：具体如何来进行运算）；最后，使用不同的后端，来生成对应设备代码，如图1所示，使用LLVM生成x86，ARM和Javescript/WASM系统代码，OpenCL、Metal和CUDA生成对应的GPU代码，通过这种中间堆栈（IR Stack）表示的方式，实现端到端的深度学习模型优化和部署，这种方式将实现op的复杂度转移到了编译规则的复杂度。
参考资料：
[1] https://tvm.ai/2017/08/17/tvm-release-announcement
[2] https://www.cnblogs.com/jxr041100/p/8288381.html