使用机器学习进行编译器自动调优的调查

Jan, 2018

使用机器学习进行编译器自动调优的调查

A Survey on Compiler Autotuning using Machine Learning

Amir H. Ashouri, William Killian, John Cavazos, Gianluca Palermo, Cristina Silvano

TL;DR本研究调查总结了近年来关于编译器优化领域中使用机器学习解决编译器优化问题的最新进展及应用，特别是针对两个主要问题：选择最佳优化和优化的阶段排列。

Abstract

Since the mid-1990s, researchers have been trying to use machine-learning based approaches to solve a number of different compiler optimization problems. These techniques primarily enhance the quality of the obtained results and, more importantly, make it feasible to tackle two main

compiler optimization machine learning optimization selection phase-ordering research survey

发现论文，激发创造

编译器优化中的机器学习

介绍机器学习与编译器优化的关系，并提供了特征、模型、训练和部署的主要概念。对目前不同的研究领域进行了全面调查和路线图，并讨论了该领域的未解决问题和潜在研究方向。本文提供了机器学习基础编译的易于理解的介绍和主要成果的详细文献。

May, 2018

从机器学习的视角调查优化方法

本研究回顾了机器学习中优化方法的原则、进展和应用，总结了在一些流行的机器学习领域中优化方法的应用和发展，并提出了机器学习中优化的一些挑战和未解决的问题。

Jun, 2019

机器学习算法超参数优化：理论与实践

本篇论文研究了常见机器学习模型的超参数优化，介绍了一些最先进的优化技术，并讨论了如何将它们应用于机器学习算法。同时，也提供了许多用于超参数优化问题的库和框架，并在基准数据集上进行了实验，以比较不同优化方法的性能，提供超参数优化的实际例子。该综述论文将帮助工业用户、数据分析师和研究人员通过有效地识别适当的超参数配置来更好地开发机器学习模型。

Jul, 2020

端到端的约束优化学习：综述

本文从最近使用机器学习来解决约束优化问题的尝试入手，重点调查了将组合求解器和优化方法与机器学习架构集成的工作。这些方法有望开发新的混合机器学习和优化方法，以快速预测组合问题的近似解并启用结构逻辑推理。本文概述了这一新兴领域的最新进展。

Mar, 2021

自动机器学习：AutoML 方法和工具的评估和比较

本文介绍了自动化机器学习技术（AutoML）的研究现状，重点评估了多种 AutoML 工具在不同数据集、不同数据段上的表现和优缺点。

Aug, 2019

程序超优化学习

本研究提出了一种新的基于学习的方法来对程序进行超优化，该方法利用无偏估计梯度来学习建议分布以提高程序性能，实验表明，该方法能够在超优化方面显着优于现有的基于规则和基于随机搜索的方法。

Nov, 2016

机器学习在组合问题建模中的应用

该研究论文研究了机器学习在组合优化中的应用，特别是在建模方面，提出了使用机器学习技术来提高建模的效率和精确度，包括单个约束、目标函数或整个模型的学习。

Jul, 2018

自适应神经编译

该论文提出了一种自适应神经编译框架来解决高效节目的学习问题，并展示了如何使用可微表示将程序编译为不同 iable 的表示，并通过考虑输入数据分布来优化这种表示，以实现为给定数据分布学习特定调整算法的目标。

May, 2016

组合优化的机器学习：方法论地全景

本文调查了机器学习和运筹学社区最近尝试利用机器学习解决组合优化问题的努力，并详细阐述了一种将机器学习和组合优化更进一步集成的方法论。

Nov, 2018

零样本强化学习实现的超编译器代码优化

CodeZero 是一个基于人工智能的编译优化工具，通过深度强化学习的方式训练智能代理，能够在单次试验中为每个程序即时生成有效的优化策略。在基准测试套件和生产级代码优化问题上的评估结果表明，CodeZero 具有超级编译器性能和零 - shot 泛化能力，超过了由编译器专家设计的内置优化选项。我们的方法为人工智能在工程领域的潜力提供了启示，并为在代码优化领域扩展机器学习技术铺平了道路。

Apr, 2024