伊塞马尔 swMATH ID: 25886 软件作者： Charith Mendis；萨曼·阿马拉辛格；迈克尔·卡宾 描述： Ithemal：使用深度神经网络进行准确、便携和快速的基本块吞吐量估计。静态估计在稳定状态（吞吐量）下执行基本汇编指令块所需的处理器时钟周期数对于编译器后端优化（如寄存器分配、指令选择和指令调度）非常重要。这一点非常复杂，特别是在具有复杂处理器微体系结构的现代x86-64复杂指令集计算机（CISC）机器中。传统上，编译器编写者花费时间进行实验并参考处理器手册，以分析性地建模具有不完整规范的现代处理器。这很繁琐，容易出错，应该在每一代处理器中完成。我们提出了Ithemal，这是第一个使用机器学习静态预测一组基本块指令吞吐量的自动学习估计器。Ithemal使用一种新的基于数据驱动的有向非循环图递归神经网络（DAG-RNN）的吞吐量估计方法。我们表明，Ithemal比编译器后端和静态机器代码分析器中使用的最先进的手写工具更准确。特别是，我们的模型的最坏情况平均误差为10.53 主页： https://arxiv.org/abs/1808.07412 关键词： arXiv_发布;集群计算;arXiv_cs.DC公司;机器学习;arXiv_cs.LG公司;深度神经网络 相关软件： 引用于： 0出版物 标准条款 1出版物描述软件 年份 Ithemal：使用深度神经网络进行准确、可移植和快速的基本块吞吐量估计Charith Mendis；萨曼·阿马拉辛格；迈克尔·卡宾 2018