一种基于深度学习的性能分析框架设计与实现

摘要：

高性能计算系统的体系结构日益复杂和现有性能分析工具的智能程度不足,导致高性能计算应用的程序性能分析和优化的成本代价日益高昂.所幸,人工智能领域目前取得了重要进展,其中深度学习技术发挥了重要作用,它给性能分析工具的智能化带来了契机.提出一种基于深度学习的程序性能智能分析框架,其核心思想是将程序的性能分析问题抽象成可用机器学习技术描述的分类问题,使用处理器支持的PMU采集分类所需的性能数据并标准化,使用簇评估技术结合簇的实际含义确定性能问题类别,通过稀疏编码自动学习性能数据特征并构建性能问题分类模型.在神威太湖之光超级计算机上实现了程序性能分析框架原型.实验结果表明,该性能分析方法能够直观地指导程序员快速把握当前应用最为突出的性能瓶颈问题,提高应用优化的效率,降低用户调优代码的成本.

关键词：性能分析、深度学习、神威太湖之光

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2016YFB0200502,2017YFA0604500

在线出版日期：2018-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：984-991