面向航天异构平台的深度学习编译器加速技术优化 |
| |
引用本文: | 刘功晗,李悦,王晓玲.面向航天异构平台的深度学习编译器加速技术优化[J].航天控制,2022(2):60-65. |
| |
作者姓名: | 刘功晗 李悦 王晓玲 |
| |
作者单位: | 1. 宇航智能控制技术国家级重点实验室;2. 北京航天自动控制研究所 |
| |
摘 要: | 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%。
|
关 键 词: | 深度学习 编译器 时间优化 成本模型 LightGBM算法 |
|
|