.png){kind=icon}
返回
PBS: Program Behavior-Aware Scheduling for High-Level Synthesis
.png){kind=icon}
PRE
AI
DOI：10.1109/TCAD.2025.3529817.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
程序行为包括操作依赖和资源需求。它们影响高层次综合（HLS）中的调度性能。大多数现有的调度方法仅关注一个方面，导致性能不佳。在本文中，我们提出了PBS，一种针对HLS的程序行为感知调度方法。我们采用混合状态编码方案，以促进对程序行为的全面学习。此外，我们提出了双向图神经网络（GNN）和多分辨率聚合方案，用于学习复杂的操作依赖行为。这些方案整合于强化学习（RL）框架中，以迭代地改进调度方案，朝着低延迟和低资源使用量优化。实验表明，与SDC、基于GNN和基于RL的方法相比，PBS分别提供了平均32.7%、26.3%和25.9%的延迟降低。
Keyword:
Graph neural network (GNN)
high-level synthesis (HLS)
program behavior
reinforcement learning (RL)
scheduling
期刊
I
IF:
2.9
论文数:
668
被引数:
9.6K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容