| 溢出代码和访存压力敏感的快速机器学习* |
| |
| 作者姓名： | 刘章林 张兆庆 |
| |
| 作者单位： | 中国科学院,计算技术研究所,先进编译实验室,北京,100080;中国科学院,研究生院,北京,100049 |
| |
| 基金项目： | 国家“973”计划资助项目（2005CB321602）;中国科学院计算技术研究所青年基金资助项目（20056600-15） |
| |
| 摘 要： | 基于遗传算法提出了溢出代码和访存压力敏感的机器学习来调试寄存器分配的权值函数。不同于以往采用目标程序的运行时间作为适应值,通过静态分析寄存器分配产生的溢出代码和基本块中的访存压力来构建适应值,以减少学习时间。这些分析被限定在热点函数中,在保证适应值精度的同时进一步加快了学习速度。实验表明,快速学习仅需要考虑热点函数的编译时间,整个CPU2000CINT测试集在5 h内即可学习完毕。大部分CPU2000CINT测试例子的性能得到了提高。其中perlbmk的性能提升最高可达到7.2%。
|
| 关 键 词： | 机器学习 寄存器分配 溢出代码 访存压力 |
| 文章编号： | 1001-3695（2007）06-0216-04 |
| 修稿时间： | 2006-04-21 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
