BriefGPT - AI 论文速递
·
ML/DL 模型中数据流图的自动任务并行化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于图的学习方法Graph2Par，利用了一种包含丰富信息的增强抽象语法树表示形式，并在OpenMP中关注循环级别并行化。该方法以85％的准确度检测可并行化的代码区域，优于基于状态的Token的机器学习方法。结果表明，该方法能处理其他工具可能忽略的复杂结构的循环。
🎯
关键要点
- 本研究提出了一种基于图的学习方法Graph2Par。
- Graph2Par利用异构增强抽象语法树（Augmented-AST）表示形式。
- 该方法在OpenMP中主要关注循环级别并行化。
- 研究创造了一个包含18598个可并行化和13972个非可并行化循环的OMP_Serial数据集。
- Graph2Par可以以85%的准确度检测可并行化的代码区域。
- 该方法优于基于状态的Token的机器学习方法。
- 研究结果表明，该方法能够处理其他工具可能忽略的复杂结构的循环。
➡️
