arrow
返回

A Reinforcement Learning Environment for Automatic Code Optimization in the MLIR Compiler

delete2026-01-01
delete0
PRE
AI
T
Tirichine, Mohammed *
N
Nassim Ameur
N
Nazim Bendib
I
Iheb Nassim Aouadj
D
Djad Bouchama
R
Rafik Bouloudene
R
Riyadh Baghdadi
DOI:10.1109/CGO68049.2026.11394838delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
代码优化是一项旨在提升代码性能的关键任务。然而,这一过程往往繁琐且复杂,凸显了自动代码优化技术的必要性。强化学习(RL)已作为一种有前景的方法,用于解决此类复杂的优化问题。在本项目中,我们介绍了MLIR RL,这是一个针对MLIR编译器的RL环境,旨在促进MLIR编译器研究并实现自动代码优化。我们提出了一个多离散的动作空间表述,其中动作空间是更简单动作子空间的笛卡尔积。我们还提出了一种新方法,称为“层级指针”(level pointers),用于减少与循环交换变换相关的动作空间大小。这使策略学习更加高效和有效。为证明MLIR RL的有效性,我们训练了一个RL代理来优化面向CPU的MLIR Linalg代码。代码来源于两个特定领域的框架:由PyTorch生成的深度学习模型,以及由LQCD编译器生成的LQCD(格点量子色动力学)代码。本工作的成果是一个研究环境,允许社区实验RL驱动的循环嵌套优化中的新思想。
Keyword:
Automatic Code Optimization
Reinforcement Learning
MLIR
Deep Learning
Machine Learning
Compiler

期刊

2
2026 IEEE/ACM INTERNATIONAL SYMPOSIUM ON CODE GENERATION AND OPTIMIZATION, CGO
IF:
0
论文数:
48
被引数:
0

机构

N
new york university
学者数:
6.2K
论文数: 3.0K
被引数: 1
引用论文

引用论文

Loop transformations
err2011-01-26
err0
PREAI
errLouis-Noël Pouchet; Uday Bondhugula; Cédric Bastoul; Albert Cohen; J. Ramanujam; P. Sadayappan; Nicolas Vasilache
err分享
err收藏
A Deep Learning Model for Loop Interchange
err2023-02-17
err0
PREAI
errLina Mezdour; Khadidja Kadem; Massinissa Merouani; Amina Selma Haichour; Saman Amarasinghe; Riyadh Baghdadi
err分享
err收藏
Learning to Optimize Halide with Tree Search and Random Programs学习用树搜索和随机程序优化Halide
err2019-07-12
err147
PREAI
errAdams, Andrew; Ma, Karima; Anderson, Luke; Baghdad, Riyadh; Li, Tzu-Mao; Gharbi, Michael; Steiner, Benoit; Johnson, Steven; Fatahalian, Kayvon; Durand, Fredo; Ragan-Kelley, Jonathan
err分享
err收藏
err
IF0
err
err0
PREAI
err
err分享
err收藏
学者 查看更多内容