-
题名深度学习编译器研究综述
- 1
-
-
作者
刘正煜
张帆
祁晓峰
高彦钊
宋怡景
范旺
-
机构
信息工程大学
网络空间安全教育部重点实验室
复旦大学大数据研究院
-
出处
《计算机科学》
北大核心
2025年第8期29-44,共16页
-
基金
国家重点研发计划(2022YFB4500900)。
-
文摘
随着人工智能的快速发展,越来越多的神经网络模型和算法相继涌现。与此同时,摩尔定律逐渐失效,新型加速器和计算机体系架构层出不穷,这推动了神经网络模型在这些新硬件平台上实现高效部署的迫切需求。在此背景下,深度学习编译器应运而生。与传统编译器不同,深度学习编译器将不同的网络模型作为输入,采用多级中间表示设计,逐层优化模型,并在编译器后端针对特定硬件架构进行优化,最终生成优化后的可执行程序。首先,介绍了深度学习编译器的通用框架,包括各个核心组件和总体流程;随后,系统地分类探讨了编译器的各类优化技术,并对近年来的研究进展进行总结,揭示了领域内的热点和发展趋势;最后,整理了现阶段的深度学习编译器研究,并根据现有研究现状展望了未来的研究方向。
-
关键词
深度学习
编译器
编译优化
-
Keywords
Deep learning
Compiler
Compiler optimization
-
分类号
TP314
[自动化与计算机技术—计算机软件与理论]
-
