学习独立的程序和架构表示以实现可推广的性能建模
原文中文，约300字，阅读约需1分钟。发表于：。这篇论文提出了 PerfVec，一种基于深度学习的性能建模框架，它学习高维、独立 / 正交的程序和微架构表示。学习完成后，程序表示可以用于预测其在任何微架构上的性能，微架构表示也可用于预测任何程序的性能。此外，PerfVec 还提供了一个基础模型，能够捕捉指令性能的本质，并可以直接供开发者在许多性能建模任务中使用，而无需其训练成本。实证评估证明，PerfVec 比先前的方法更具一般性、高效性和准确性。
本文提出了基于深度学习的性能建模框架PerfVec，可用于预测任何程序在任何微架构上的性能，具有高效性和准确性。实证评估证明，PerfVec比先前的方法更具一般性。
