《计算机应用研究》|Application Research of Computers

基于深度图网络的编译器向量化启发式算法

Using graph neural networks to enhance compiler code vectorization heuristics

免费全文下载 (已被下载 次)  
获取PDF全文
作者 冯晖,王亚刚
机构 西安邮电大学 计算机学院
统计 摘要被查看 次,已被下载
摘要 针对现有的深度学习模型将程序代码考虑为一个串行序列而错失较大性能优化空间的问题,提出了一种新的基于深度图网络的程序启发式优化方法。该方法采用图神经网络对程序的数据和依赖图进行建模,自动从源代码中抽取有效程序特征,然后再将抽取的特征输入下游模型进行循环向量化参数预测。在LLVM循环向量测试集上,所提出的方法取得了2.08倍的加速比,与现有方法相比提高了12%的性能。
关键词 启发式优化;图神经网络;深度学习;编译器向量化
基金项目 国家自然科学基金资助项目(61972314)
本文URL http://www.arocmag.com/article/02-2021-08-005.html
收稿日期
修回日期
页码 -
中图分类号 TP314
文献标志码