论文研究-溢出代码和访存压力敏感的快速机器学习.pdf

【文件属性】：
文件名称：论文研究-溢出代码和访存压力敏感的快速机器学习.pdf
文件大小：84KB
文件格式：PDF
更新时间：2022-08-11 16:01:10
机器学习,寄存器分配,溢出代码,访存压力 基于遗传算法提出了溢出代码和访存压力敏感的机器学习来调试寄存器分配的权值函数。不同于以往采用目标程序的运行时间作为适应值，通过静态分析寄存器分配产生的溢出代码和基本块中的访存压力来构建适应值，以减少学习时间。这些分析被限定在热点函数中，在保证适应值精度的同时进一步加快了学习速度。实验表明，快速学习仅需要考虑热点函数的编译时间，整个CPU2000CINT测试集在5 h内即可学习完毕。大部分CPU2000CINT测试例子的性能得到了提高。其中perlbmk的性能提升最高可达到7.2%。