Simple Conv — 单层卷积 IREE 编译产物

从 ResNet50 模型中提取第一个卷积层 resnetv17_conv0_fwd，固化 batch size 为 1，并通过 IREE 编译为可执行格式。

文件说明

文件	大小	说明
`simpy_conv.mlir`	74K	MLIR 中间表示（由 ONNX 转换而来）
`simpy_conv.vmfb`	52K	IREE 编译后的字节码（可在 `local-task` 设备上运行）

源模型：../resnet50-v1-12_resnetv17_conv0_fwd-bs1.onnx（batch=1 的提取卷积层）

生成命令

1. ONNX → MLIR

python -m iree.compiler.tools.import_onnx \
    ../resnet50-v1-12_resnetv17_conv0_fwd-bs1.onnx \
    -o simpy_conv.mlir \
    --opset-version 17

2. MLIR → VMFB

/Users/alanchen/workspace/iree/build/tools/iree-compile \
    simpy_conv.mlir \
    --iree-hal-target-device=local \
    --iree-hal-local-target-device-backends=llvm-cpu \
    --iree-llvmcpu-target-cpu=host \
    -o simpy_conv.vmfb

3. 编译验证

/Users/alanchen/workspace/iree/build/tools/iree-run-module \
    --module=simpy_conv.vmfb \
    --device=local-task \
    --function=mxnet_converted_model_extracted \
    --input=1x3x224x224xf32=1

输出：1x64x112x112xf32，内存峰值 HOST ~3.2MB / DEVICE ~4.4MB。

模型结构

Input:  data → [1, 3, 224, 224]   (RGB 图像)
Conv2D  → [1, 64, 112, 112]       (64通道, 7x7 kernel, stride=2)
Output: resnetv17_conv0_fwd