最近有人告诉我，在Apache tvm的帮助下集成/编译PyTorch模型应该可以加快推理速度，但是对于tvm的使用却非常困惑，因为似乎有多种使用方法。

这blog on their website说

用法很简单：

import torch_tvm
torch_tvm.enable()

就是这样！然后，PyTorch将尝试在其JIT编译过程中将所有可能的运算符转换为已知的Relay运算符。

如果就这么干，那么为什么其他特定的教程如此全面？经过一些教程之后，我假设另一件事（不确定我是否正确）是tvm不能真正使用默认的运行割炬代码的方式，而需要使用“ jit”编译器（运行割炬代码的非默认方式）研究。该假设基于github回购教程显示以下代码段的事实

import torch
import torch_tvm

torch_tvm.enable()

# The following function will be compiled with tvm
@torch.jit.script
def my_func(a,b,c):
    return a * b + c   

其中函数my_func用装饰器包裹，该装饰器看起来是用jit编译函数的。但是，使用此完全相同的功能并在有或没有包装器+ tvm的情况下定时使用它都表明该功能的正常使用效率更高。如果它没有加快速度，那么jit + tvm到底能提供什么帮助？如果应该加快速度，为什么这里不是这种情况？

P.S。对于我的问题的全面描述，我深表歉意。我什至无法理解这一点，甚至在通过torch_tvm阅读并修改了相当多的内容后，也无法了解发生了什么。感谢与资源的任何链接或可能对我有所帮助的任何解释。