.png){kind=icon}
返回
Enhanced Optimization Space Learning: Towards Real-Time Compiler Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-8889-0_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
编译器自动调优使开发者能够无需专业知识或代码修改即可受益于编译器提供的代码优化。这一能力推动了各种自动调优方法的发展，每种方法都优先考虑推荐速度或质量等因素。本研究通过引入程序相似度评分的高级技术，增强了优化空间学习（OSL）方法——这是一种轻量级替代方案，可替代计算密集型的前沿方法，该方法使用协同过滤提供快速优化建议。我们探索了多种新方法以改进OSL的相似度评分，包括指标归一化、基于误差的相似度、加权指标和基于抽象语法树（AST）的相似度。其中，归一化和均衡化指标方法显示出最显著的改进，与GCC的默认O3优化相比，平均运行时间快13.27%，与原始OSL方法相比改进了57.4%，同时保持了快速的推荐时间。此外，组合方法实现了比原始方法更显著的151%改进，但代价是增加了推荐时间。本研究提升了OSL的有效性，并突显了将高质量相似度评分集成到编译器自动调优方法中的潜力。
Keyword:
Compiler optimization
Program similarity
Collaborative filtering
期刊
机构
引用论文
Revisiting Code Similarity Evaluation with Abstract Syntax Tree Edit Distance使用抽象语法树编辑距离重新审视代码相似性评估
PREAI
分享收藏Cole.png)
Proceedings of the 6th annual IEEE/ACM international symposium on Code generation and optimization
Proceedings of the 6th annual IEEE/ACM international symposium on Code generation and optimizationIF0
PREAI
分享收藏
分享收藏分享收藏
查看更多内容