后端委托的第三方依赖管理¶
免责声明：我们计划围绕委托重构存储库。随着一些这些指南将在未来发生变化。
委托可能依赖于外部的第三方库来有效地实现提前（AOT）partition() 或 preprocess() 函数，以及/或者实现运行时函数，例如 init() 或 execute()，或者以特定方式运行测试。本指南旨在对委托可能依赖的不同类型的第三方依赖项进行分类，并提供有关如何包含它们的总体指导。
提前依赖项¶
这包括委托的 partitioner() 和 preprocess() 函数使用的依赖项，用于生成预处理结果，这些结果将在以后的运行时使用。
根据 preprocess() 函数的实现方式，这可以是 Python 或 C++ 依赖项。本指南将仅讨论 Python AOT 依赖项。
指南
如果 ExecuTorch 已经包含了您需要的依赖项，请优先使用它。
如果依赖项仅由
executorch/backends/<delegate_name>/目录内的文件使用，则应以一种方式引入它，使其仅由该目录下的代码使用。安装 ExecuTorch Python 包时，不应默认安装依赖项。
更多详细信息请参见下面部分。
运行时依赖项¶
此类别涵盖委托运行时代码使用的 C++ 依赖项。它可以像一个用于实现某些委托运算符的第三方数学库一样简单，也可以是一个处理委托降低的子图的完整框架。
指南
从总体上讲，“只为使用的东西付费”应该是这些第三方依赖项的理想方法。
与 AOT 依赖项类似，此项的使用也应仅限于委托运行时源文件。
如果委托具有已包含在
executorch/third-party中的依赖项，则应尽可能尝试使用该依赖项。这有助于在启用委托时减小二进制文件的大小。除委托之外的 ExecuTorch 代码的其他部分不应依赖于此。并且在构建时禁用委托时，它应该能够正确构建和运行，而无需此依赖项。
更多详细信息请参见 下方 部分。
仅用于测试的依赖项¶
某些库或工具仅用于执行委托测试。这些可以是 Python 依赖项或 C++ 依赖项，具体取决于测试类型。
指南
对于 Python 测试依赖项，在安装 ExecuTorch Python 包时，默认情况下不应安装它。
对于 C++ 测试依赖项，即使构建/启用委托，它也不应成为 ExecuTorch 运行时的一部分。
其他注意事项¶
版本控制¶
建议明确且具体。例如 PyPI 版本（或范围）或 git 标签/版本。
记录依赖项¶
至少，在引入新的依赖项时，应在 executorch/backends/<delegate_name>/ 下提供一些文档，其中包括：
引入新的第三方依赖项的理由
如何升级依赖项
新依赖项的任何特殊注意事项
在列出高级别指南后，现在让我们讨论一些具体的物流，以便实际为您的委托包含依赖项。
