基于多任务深度学习的HXDSP多簇软流水研究

摘要：

针对目前编译优化领域的深度学习模型普遍采用单任务学习而难以利用多个任务间的相关性提升模型整体编译加速效果的问题,提出了一种基于多任务深度学习的编译优化方法.该方法使用图神经网络(GNN)从C程序的抽象语法树(ASTs)和数据控制流图(CDFGs)中学习得到程序特征,然后对程序特征同步预测HXDSP软件流水启动间隔和循环展开因子.在DSPStone数据集上的实验结果表明,该多任务方法取得了相对于单任务方法12％的性能提升.

关键词：软件流水、循环展开、多任务学习、图神经网络、编译优化

所属期刊栏目：31

分类号：TP311;TN929.5;TP181

资助基金：国家核高基重大专项2012ZX01034-001-001

在线出版日期：2023-01-03（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：112-119