学位论文 > 优秀研究生学位论文题录展示

基于机器学习的编译器自动调优技术研究

作　者: 吴永崇
导　师: 吴承勇
学　校: 中国科学院研究生院（计算技术研究所）
专　业: 计算机系统结构
关键词: 机器学习迭代编译软件流水循环展开区域构造条件转换编译优化 Open64编译器安腾2
分类号: TP314
类　型: 硕士论文
年　份: 2008年
下　载: 140次
引　用: 0次
阅　读: 论文下载

内容摘要

过去几十年编译器的优化主要使用的是人工调优的方法。随着计算机体系结构的不断发展,编译器的优化变得更加复杂。编译器人工调优的方法将会耗费编译器开发者大量的时间,而且调优的结果难以适应计算机体系结构的不断变化。本文以Open64编译器为平台,研究基于机器学习的编译器自动调优技术。本文改进了现有的ICI和FCO自动迭代工具,用以收集机器学习的训练数据。并使用基于实例的学习方法和决策树方法自动调优软件流水、循环展开、区域构造这几个Open64编译器的优化阶段,以及使用遗传编程方法自动调优条件转换。最后对基于实例的学习方法、决策树方法和遗传编程方法这三种机器学习方法进行了比较。实验数据表明,基于机器学习的编译自动调优技术对已知实例能得到比手工调优更好的性能,而对未知实例的预测能力也能达到跟手工调优接近的水平。

全文目录

摘要  3-4
Abstract  4-10
第1章引言  10-16
  1.1 编译器的性能调优  10
  1.2 迭代编译技术  10-12
  1.3 机器学习方法  12-14
  1.4 Open64 编译器  14
  1.5 论文的组织  14-16
第2章对迭代编译工具的改进  16-20
  2.1 FCO 和ICI 工具  16
  2.2 完善功能  16-17
  2.3 提高迭代速度  17-20
第3章对软件流水的自动调优  20-28
  3.1 对软件流水训练用例的收集和分析  20-21
  3.2 对软件流水收益函数的机器学习  21-24
    3.2.1 决策树学习方法  22-23
    3.2.2 基于实例的学习方法  23-24
  3.3 两种学习方法对训练用例的分类效果  24-26
  3.4 两种学习方法对新实例的预测性能  26-28
第4章对循环展开的自动调优  28-34
  4.1 对循环展开训练用例的收集和分析  28-29
  4.2 对循环展开因子选择函数的机器学习  29-30
  4.3 两种学习方法对训练用例的分类效果  30-32
  4.4 两种学习方法对新实例的预测性能  32-34
第5章对区域构造的自动调优  34-38
  5.1 对区域构造训练用例的收集和分析  34-35
  5.2 对区域构造的机器学习  35-36
  5.3 两种学习方法对训练用例的分类效果  36-37
  5.4 两种学习方法对新实例的预测性能  37-38
第6章对条件转换的自动调优  38-46
  6.1 Open64 中的条件转换  38-39
  6.2 遗传编程方法  39-43
  6.3 遗传编程的实验结果和分析  43-46
第7章结论与展望  46-47
  7.1 论文总结  46
  7.2 工作展望  46-47
参考文献  47-50
致谢  50-51
作者简历  51

基于机器学习的编译器自动调优技术研究

内容摘要

全文目录

相似论文