Automatic Tuning of Compilers Using Machine Learning (eBook)
XVII, 118 Seiten
Springer International Publishing (Verlag)
978-3-319-71489-9 (ISBN)
This book explores break-through approaches to tackling and mitigating the well-known problems of compiler optimization using design space exploration and machine learning techniques. It demonstrates that not all the optimization passes are suitable for use within an optimization sequence and that, in fact, many of the available passes tend to counteract one another. After providing a comprehensive survey of currently available methodologies, including many experimental comparisons with state-of-the-art compiler frameworks, the book describes new approaches to solving the problem of selecting the best compiler optimizations and the phase-ordering problem, allowing readers to overcome the enormous complexity of choosing the right order of optimizations for each code segment in an application. As such, the book offers a valuable resource for a broad readership, including researchers interested in Computer Architecture, Electronic Design Automation and Machine Learning, as well as computer architects and compiler developers.
Background.- DSE Approach for Compiler Passes.- Addressing the Selection Problem of Passes using ML.- Intermediate Speedup Prediction for the Phase-ordering Problem.- Full-sequence Speedup Prediction for the Phase-ordering Problem.- Concluding Remarks.
| Erscheint lt. Verlag | 22.12.2017 |
|---|---|
| Reihe/Serie | PoliMI SpringerBriefs |
| PoliMI SpringerBriefs | |
| SpringerBriefs in Applied Sciences and Technology | SpringerBriefs in Applied Sciences and Technology |
| Zusatzinfo | XVII, 118 p. 23 illus., 6 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Technik | |
| Schlagworte | Auto-Tuning • Compiler Optimization • Design Space Exploration • Embedded computing • High Performance Computing • performance modeling • Software Characterization |
| ISBN-10 | 3-319-71489-9 / 3319714899 |
| ISBN-13 | 978-3-319-71489-9 / 9783319714899 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 3,9 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
