文献

J-GLOBAL ID：201902268524973114   整理番号：19A1454337

自己位相:深層強化学習を用いたHLSのためのコンパイラ位相順序付け【JST・京大機械翻訳】

AutoPhase: Compiler Phase-Ordering for HLS with Deep Reinforcement Learning

著者 (7件)： Huang Qijing (University of California, Berkeley) ,  Haj-Ali Ameer (University of California, Berkeley) ,  Moses William (Massachusetts Institute of Technology) ,  Xiang John (University of California, Berkeley) ,  Stoica Ion (University of California, Berkeley) ,  Asanovic Krste (University of California, Berkeley) ,  Wawrzynek John (University of California, Berkeley)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： FCCM  ページ： 308  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンパイラによって生成されたコードの性能は,最適化パスが適用される順序に依存する。高レベル合成において,生成回路の品質はフロントエンドコンパイラにより生成される符号に直接関係する。位相秩序化問題と呼ばれる良い次数を選択することはNP困難問題である。本論文では,位相順序付け問題を扱うための新しい手法を評価した。HLSプログラムに対する順序付けを最適化するためにLLVMコンパイラの文脈におけるフレームワークを実装し,位相順序付け問題に取り組む最先端のアルゴリズムに対する深い強化学習の性能を比較した。全体として,著者らのフレームワークはこれらのアルゴリズムよりも1~2桁速く動作し,-O3コンパイラ上の回路性能において16%の改善を達成した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： NP困難 ,  *コンパイラ ,  回路特性 ,  品質 ,  アルゴリズム ,  *位相 ,  *強化学習 ,  順序づけ問題 ,  最適化
準シソーラス用語： LLVM ,  次数 ,  *順序づけ ,  深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 自己 ,  位相 ,  深層強化学習 ,  HLS ,  コンパイラ ,  順序付け