|
|||||
|
|
| 基于深度图网络的编译器向量化启发式算法 | |
| 作者姓名： | 冯晖 王亚刚 |
| 作者单位： | 西安邮电大学 计算机学院,西安710121 |
| 基金项目： | 国家自然科学基金资助项目(61972314) |
| 摘 要： | 针对现有的深度学习模型将程序代码考虑为一个串行序列而错失较大性能优化空间的问题,提出了一种新的基于深度图网络的程序启发式优化方法.该方法采用图神经网络对程序的数据和依赖图进行建模,自动从源代码中抽取有效程序特征,然后再将抽取的特征输入下游模型进行循环向量化参数预测.在LLVM循环向量测试集上,所提出的方法取得了2.08倍的加速比,与现有方法相比提高了12％的性能. |
| 关 键 词： | 启发式优化 图神经网络 深度学习 编译器向量化 |
| 收稿时间： | 2020-12-22 |
| 修稿时间： | 2021-01-29 |
| 本文献已被 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 | |