Εφαρμογή Μηχανικής Μάθησης για την Πρόβλεψη Επιτάχυνσης Μετασχηματισμών σε Μεταγλωττιστές

Abstract

Στη σημερινή εποχή, η ανάγκη για βελτίωση της μεταγλώττισης λογισμικού γίνεται ευρύτερα αντιληπτή. Οι μεταγλωττιστές χρησιμοποιούν προκαθορισμένες σημαίες (π.χ. -O2 ) για να βελτιστοποιήσουν την απόδοση του λογισμικού, είτε ως προς το χρόνο εκτέλεσης, είτε ως προς τη μνήμη και την ενέργεια που καταναλώνει. Κάθε τέτοια σημαία αντιστοιχεί συνήθως σε μια προκαθορισμένη σειρά περασμάτων βελτιστοποίησης που εφαρμόζονται στο μεταγλωττισμένο κώδικα. Παρ’ όλα αυτά, δεν είναι λίγες οι φορές που αυτές οι προεπιλεγμένες σημαίες επιφέρουν τα αντίθετα αποτελέσματα στον κώδικα. Αυτό γίνεται διότι κάθε εφαρμογή έχει τις δικές της ιδιαιτερότητες. Συνεπώς αποτελεί καταλυτικής σημασίας η “προσωποποίηση” της μεταγλώττισης έτσι ώστε κάθε εφαρμογή να μεταγλωττίζεται με βάση τα χαρακτηριστικά της. Σκοπός της παρούσας διπλωματικής είναι η υλοποίηση ενός συστήματος για την πρόβλεψη, κατά τη διάρκεια της μεταγλώττισης, της σειράς περασμάτων βελτιστοποίησης που θα έχει το καλύτερο αποτέλεσμα για το συγκεκριμένο πρόγραμμα που μεταγλωττίζεται. Κάθε πρόγραμμα προσδιορίζεται από ένα σύνολο στατικών χαρακτηριστικών (π.χ. αριθμός αριθμητικών εντολών), τα οποία συλλέγονται χωρίς να είναι απαραίτητη η εκτέλεση του προγράμματος. Στη συνέχεια, με τη χρήση μοντέλων μηχανικής μάθησης γίνεται πρόβλεψη με βάση τα στατικά χαρακτηριστικά της επιτάχυνσης των προς εξερεύνηση βελτιστοποιήσεων. Δίνοντας ουσιαστικά στο μοντέλο πρόβλεψης κάθε πιθανή σειρά περασμάτων βελτιστοποίησης από ένα προκαθορισμένο χώρο αναζήτησης για ένα σύνολο στατικών χαρακτηριστικών κώδικα, επιλέγεται η σειρά περασμάτων βελτιστοποίησης που αντιστοιχεί στη μέγιστη προβλεπόμενη απόδοση.