声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：冯晖,王亚刚,
单位：西安邮电大学计算机学院,西安710121；
关键词：启发式优化,图神经网络,深度学习,编译器向量化,
基金：国家自然科学基金资助项目(61972314)；；
针对现有的深度学习模型将程序代码考虑为一个串行序列而错失较大性能优化空间的问题，提出了一种新的基于深度图网络的程序启发式优化方法。该方法采用图神经网络对程序的数据和依赖图进行建模，自动从源代码中抽取有效程序特征，然后再将抽取的特征输入下游模型进行循环向量化参数预测。在LLVM循环向量测试集上，所提出的方法取得了2.08倍的加速比，与现有方法相比提高了12%的性能。
来源：2021年第8期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。