面向航天异构平台的深度学习编译器加速技术优化

为了解决TVM编译器在航天应用过程中优化时间过长的问题，针对TVM的自动搜索框架Ansor,提出一种新的基于LightGBM算法的成本模型来预测代码的运行时间。LightGBM算法由于减少了分裂点数量、样本数量、特征数量，使得新成本模型有效地降低了计算量，在不损害准确率的条件下加快了模型的训练速度，缩短了优化时间。实验结果表明，在相同的优化任务下，具有新成本模型的Ansor在优化时间上提高了1.6倍，整体推理时间提高了6.1%。