論文の概要: Learning to compile smartly for program size reduction

• arxiv url: http://arxiv.org/abs/2301.05104v1
• Date: Mon, 9 Jan 2023 16:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 14:00:39.576028
• Title: Learning to compile smartly for program size reduction
• Title（参考訳）: プログラムサイズ削減のためのスマートコンパイルの学習
• Authors: Youwei Liang, Kevin Stone, Ali Shameli, Chris Cummins, Mostafa Elhoushi, Jiadong Guo, Benoit Steiner, Pengtao Xie, Hugh Leather, Yuandong Tian
• Abstract要約: プログラムサイズ削減のためのパスを選択するためのポリシーを学習する新しいアプローチを提案する。 提案手法では,有用なパスシーケンスを識別する検索機構と,最適なシーケンスを選択するための注意をカスタマイズしたGNNを用いる。
• 参考スコア（独自算出の注目度）: 35.58682369218936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compiler optimization passes are an important tool for improving program efficiency and reducing program size, but manually selecting optimization passes can be time-consuming and error-prone. While human experts have identified a few fixed sequences of optimization passes (e.g., the Clang -Oz passes) that perform well for a wide variety of programs, these sequences are not conditioned on specific programs. In this paper, we propose a novel approach that learns a policy to select passes for program size reduction, allowing for customization and adaptation to specific programs. Our approach uses a search mechanism that helps identify useful pass sequences and a GNN with customized attention that selects the optimal sequence to use. Crucially it is able to generalize to new, unseen programs, making it more flexible and general than previous approaches. We evaluate our approach on a range of programs and show that it leads to size reduction compared to traditional optimization techniques. Our results demonstrate the potential of a single policy that is able to optimize many programs.
• Abstract（参考訳）: コンパイラ最適化パスは、プログラム効率を改善し、プログラムサイズを減らすための重要なツールである。 人間の専門家は、最適化パスのいくつかの固定シーケンス(例えば、Clang-Ozパス)を特定できたが、これらのシーケンスは特定のプログラムでは条件付けられていない。 本稿では,プログラムサイズ削減のためのパスを選択するポリシーを学習し,プログラムのカスタマイズと適応を可能にする手法を提案する。 提案手法では,有用なパスシーケンスを識別する検索機構と,最適なシーケンスを選択するための注意をカスタマイズしたGNNを用いる。 重要なことは、新しい、目に見えないプログラムに一般化することができ、以前のアプローチよりも柔軟で一般的である。 我々は,従来の最適化手法と比較して,様々なプログラムのアプローチを評価し,サイズ削減につながることを示す。 本結果は,多くのプログラムを最適化できる単一ポリシーの可能性を示すものである。

関連論文リスト

• Genetic-based Constraint Programming for Resource Constrained Job Scheduling [5.068093754585243]
  資源制約されたジョブスケジューリングは、鉱業に起源を持つ計算の最適化問題である。 既成のソリューションはこの問題を合理的な時間枠で十分解決できない。 本稿では,制約プログラミングの効率的な探索手法を探索する遺伝的プログラミングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-01T09:57:38Z)
• Large Language Models as Optimizers [106.52386531624532]
  本稿では,大規模言語モデル (LLM) をプロンプトとして活用するためのシンプルで効果的な手法である Prompting (OPRO) を提案する。 各最適化ステップにおいて、LLMは、前述した値を含むプロンプトから新しい解を生成する。 OPROにより最適化された最良のプロンプトは、GSM8Kで最大8%、Big-Bench Hardタスクで最大50%向上することを示した。
  論文  参考訳（メタデータ） (2023-09-07T00:07:15Z)
• Learning from Self-Sampled Correct and Partially-Correct Programs [96.66452896657991]
  そこで本研究では,モデルが学習中にサンプリングを行い,自己サンプリングされた完全正当プログラムと部分正当プログラムの両方から学習することを提案する。 自己サンプリング型プログラムと部分修正型プログラムを併用することで,学習とサンプリングプロセスのガイドに役立てることができることを示す。 提案手法は,MLEを用いた単一の参照プログラムからの学習と比較して,パス@kの性能を3.1%から12.3%向上させる。
  論文  参考訳（メタデータ） (2022-05-28T03:31:07Z)
• Improved Learning Bounds for Branch-and-Cut [98.92725321081994]
  分岐とカットは整数プログラムの解法として最も広く使われているアルゴリズムである。 ますます人気のあるアプローチは、機械学習を使ってパラメータをチューニングすることだ。 本稿では,本手法のサンプル保証について述べる。
  論文  参考訳（メタデータ） (2021-11-18T04:07:29Z)
• Learning to Superoptimize Real-world Programs [79.4140991035247]
  本稿では,ニューラルシークエンス・ツー・シーケンス・モデルを用いて,実世界のプログラムを最適化するフレームワークを提案する。 我々は、x86-64アセンブリでオープンソースプロジェクトから抽出された25万以上の実世界の関数からなるデータセットであるBig Assemblyベンチマークを紹介した。
  論文  参考訳（メタデータ） (2021-09-28T05:33:21Z)
• Searching for More Efficient Dynamic Programs [61.79535031840558]
  本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。 実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
  論文  参考訳（メタデータ） (2021-09-14T20:52:55Z)
• Generating Adversarial Computer Programs using Optimized Obfuscations [43.95037234252815]
  コンピュータプログラムに逆らってそのような学習モデルをだます原則的な方法を検討する。 我々は,従来はリバースエンジニアリングプログラムの試みを避けるために用いられてきたプログラム難読化を用いる。 当社の最良の攻撃提案は、最先端の攻撃生成アプローチよりも52%$改善できることを示します。
  論文  参考訳（メタデータ） (2021-03-18T10:47:15Z)
• Software Pipelining for Quantum Loop Programs [1.1878820609988696]
  本稿では,量子ループプログラムにおける命令レベル並列性を利用したソフトウェアパイプライン化を提案する。 この方法は、QAOAのような一般的なアプリケーションを含むいくつかのテストケースで評価され、いくつかのベースライン結果と比較される。 これは、我々が知る限り、そのようなループ制御フローを持つ量子プログラムの最適化に向けた最初のステップである。
  論文  参考訳（メタデータ） (2020-12-23T14:27:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。