面向RISC-V处理器的CatBoost库决策树预测梯度提升向量化
分布式、并行与集群计算
2025-04-04 v1 性能
摘要
开源RISC-V指令集架构的出现与快速发展为从现有低功耗IoT板到未来高性能服务器的高效设备开辟了新视野。有效利用RISC-V CPU需要针对目标平台进行软件优化。本文聚焦于CatBoost库的RISC-V特定优化，该库是梯度提升决策树的广泛使用实现之一。CatBoost库针对通用CPU和GPU进行深入优化。然而，针对配备RVV 0.7.1向量扩展的RISC-V CPU，需进行向量化才能有效利用其资源，而此类向量化无法由C++编译器自动完成。本文报告了我们在Lichee Pi 4a上对CatBoost进行基准测试的经验，并展示了如何通过对计算密集型循环进行手动向量化(使用intrinsics)即可实现数倍速度提升，具体提升幅度取决于特定工作负载。开发的代码已公开于GitHub。
引用
@article{arxiv.2405.11062,
title = {Vectorization of Gradient Boosting of Decision Trees Prediction in the CatBoost Library for RISC-V Processors},
author = {Evgeny Kozinov and Evgeny Vasiliev and Andrey Gorshkov and Valentina Kustikova and Artem Maklaev and Valentin Volokitin and Iosif Meyerov},
journal= {arXiv preprint arXiv:2405.11062},
year = {2025}
}