面向深度学习网络加速的基于学习的性能建模探索
机器学习
2022-12-12 v1
摘要
深度学习等新兴应用通常为数据驱动，因此基于自动调优器的传统方法在面对实际中广泛使用的各类输入时性能不佳。本文着手研究基于机器学习技术的预测模型以优化卷积神经网络（CNNs）。作为一个用例，我们聚焦于 ARM Compute Library，其以不同数值精度提供卷积算子的三种不同实现。从基准测试汇编出发，我们构建并验证了由决策树与朴素贝叶斯分类器学习得到的模型。基于 Midgard 架构的 ARM Mali GPU 上的初步实验表明，我们的预测模型优于该库手动选择的所有卷积算子。
引用
@article{arxiv.2212.05031,
title = {Towards a learning-based performance modeling for accelerating Deep Neural Networks},
author = {Damiano Perri and Paolo Sylos Labini and Osvaldo Gervasi and Sergio Tasso and Flavio Vella},
journal= {arXiv preprint arXiv:2212.05031},
year = {2022}
}