这篇博客应该紧跟在第二节 Halide（二）算法描述 后面的，也是对官方教程的笔记。前面介绍了如何用Halide描述算法，进行调试，这一节就是讲如何对去调度算法，排算法的流水，让算法运行更快。
算法调度是一个很深入的课题，牵扯都各种平台、算法，这篇博客也仅仅是对官方教程第四节到第八节的简要笔记，记录一下Halide的相关API。
建议看教程代码，博主的笔记只是自己记下重点。
lesson5
reorder：可以改变循环遍历的顺序（默认行序遍历，可以修改成列序遍历）
splite：可以将一个循环拆解成两个循环
fuse：可以将两个循环合并成一个循环
splite+reorder：可以实现分块遍历图像
tile: 等效于两个splite，用于直接产生分块儿遍历的效果
vectorize：指定某个循环维度，进行向量化
parallel：指定某个循环纬度，进行并行化
print_loop_nest：打印循环遍历的顺序
lesson8
compute_root：提前计算该变量的状态值，并保存下来（相当于分了两个阶段）。
p.compute_at(c,y)： 对于c，每个y坐标的值，需要计算p， 即p在c的y循环上计算 ，把p的行算完，再算c，相当于按照行，把计算分为两阶段（这样会把p的代码放在c 的for y循环里面，可以节省内存，因为只留了行buffer）
store_root： 在最外层循环外，预留一块儿buffer来保存所有结果。教程例子很好，对于有重复计算中间结果的算法，保存下所有结果，可以省去许多冗余计算
store_root + compute_at： 可以使数据存取调度单位更小（compute_at 会利用刚用过的数据，再次使用速度会快很多，而compute root会等到全部计算完毕再开始下一个阶段）