AI 编译器的前端优化的整体框图如下图所示，最上层为 AI 框架，例如 TensorFlow、PyTorch、MindSpore 等，这些 AI 框架的主要作用为解析 Python 代码产生计算图，并将计算图传递给 AI 编译器进行前端优化。
其中，AI 编译器的前端优化中包含许多图层优化的技术点，本节将介绍一些优化 Pass，包括算子融合 Pass、内存分配 Pass、内存排布 Pass、常量折叠 Pass 等，不同的 Pass 执行不同的优化逻辑，相互组合共同完成 AI 编译器的前端优化。
AI 编译器整体架构图如图所示。在图中最上层，AI 框架前端将对 Python 代码进行解析产生 GraphIR，而 AI 编译器的前端优化将对生成的 GraphIR 进行多种优化处理，处理方式包括但不限于上文中提及的各种优化 Pass 等。
在 AI 编译器整体架构图中其他的部分，如 AI 编译器的后端优化等，将在后续章节中进行介绍。
在如下图所示的 AI 编译器前端优化流程图中，AI 编译器将对输入的 GraphIR，依次执行包括但不限于常量折叠、常量传播、算子融合、表达式简化、表达式替换、公共子表达式消除等各种前端优化 Pass，各个 Pass 的执行结果仍然为 GraphIR 并将输入到下一个 Pass 中，直到前端优化结束并输出最终优化后的 GraphIR。
