使用深度神经网络估计循环展开因子
分布式、并行与集群计算
2019-11-12 v1 机器学习
摘要
优化程序需要深厚的专业知识。一方面，这是一项繁琐的任务，因为它需要大量测试才能找到要应用的最佳优化组合及其最佳因子。另一方面，该任务至关重要，因为它可能降低程序性能而非改善。该任务的自动化可以处理此问题并获得良好结果。优化占据程序执行时间最重要部分的循环对于实现最佳性能起着关键作用。在本文中，我们通过提出一个深度神经网络模型来预测为TIRAMISU编写的程序的最优展开因子，从而解决循环展开优化问题。TIRAMISU是一个多面体框架，旨在为包括多核、GPU和分布式机器在内的多种平台生成高性能代码。TIRAMISU引入了一种调度语言，带有新颖命令以显式管理针对这些系统时所出现的复杂性。
引用
@article{arxiv.1911.03991,
title = {Using Deep Neural Networks for Estimating Loop Unrolling Factor},
author = {Asma Balamane and Zina Taklit},
journal= {arXiv preprint arXiv:1911.03991},
year = {2019}
}
备注
Key words: Loop Unrolling, Deep Neural Network, Feature Extraction, TIRAMISU compiler