BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了基于深度学习的性能建模框架PerfVec。
- PerfVec能够预测任何程序在任何微架构上的性能。
- PerfVec学习高维、独立/正交的程序和微架构表示。
- 程序表示可用于预测其在任何微架构上的性能，微架构表示可用于预测任何程序的性能。
- PerfVec提供基础模型，捕捉指令性能的本质，降低开发者的训练成本。
- 实证评估表明PerfVec在一般性、高效性和准确性上优于先前的方法。
➡️
