深度学习的发展热潮正在席卷全球,为推动该领域的高速发展,各大厂商纷纷推出了自己的网络框架和加速芯片。但由于框架和硬件的多样性,在不同硬件上高效部署各框架下的网络模型成为了一个难题,深度学习编译器的出现成功的解决了该难题。GPDSP是由国防科技大学计算机学院自主研发的高性能处理器,该处理器采用了超长指令字的体系结构,同时支持多核和向量指令扩展,十分适用于并行计算及AI云端计算。本文的主要工作是实现与优化了基于GPDSP的深度学习编译器。通过在深度学习编译器TVM上添加对GPDSP的支持与优化,充分扩展了该处理器在深度学习领域的应用场景,本文的主要内容有:1.结合源码探索和分析了TVM编译器的基本构成与编译流程。目前描述TVM整体编译流程的文献十分稀少,结合源码分析该编译流程的对后续开发工作来说将具备较大的参考价值。2.完成了TVM对GPDSP的支持。通过在TVM上添加GPDSP的接口,实现了算子的正确解析,并生成了功能正确的LLVM IR。3.在LLVM上添加了GPDSP指令与寄存器信息的描述,支持将TVM中的算子解析成GPDSP上的汇编代码。4.在TVM上根据GPDSP的特点制定了典型算子的优化,并通过测试用例说明了优化的效果。得益于向量部件的加速,这些优化对比默认实现都获得了11倍以上的性能提升。