-
题名基于申威平台寄存器溢出策略的预选先验优化
- 1
-
-
作者
蔡淳豪
梁淑萍
姜军
邵宁远
-
机构
无锡先进技术研究院
-
出处
《计算机科学》
北大核心
2025年第6期82-87,共6页
-
基金
科技部重点支持项目(GG20210701)。
-
文摘
在国产多核处理器申威平台上,申威JDK的C2即时编译器通过图着色寄存器分配算法完成寄存器分配工作。即时编译器在分配寄存器时并没有考虑国产处理器的指令特征,导致编译器生成了过多的访存代码,从而无法更全面地发挥国产处理器的性能。为了更充分地发挥申威国产处理器的性能,提出了一种减少图着色寄存器分配时溢出代码的编译优化策略。优化策略基于图着色寄存器分配算法,根据在申威平台上特殊信息的寄存器规律,构造先验模型,并按照先验模型调整溢出策略,从而减少访存代码的生成。该策略在申威JDK上实现了优化,并基于基准测试集SPECjbb2015和SPECjvm2008验证了优化的效果。实验结果表明,优化后SPECjbb2015的max-jOPS和critical-jOPS分数分别提升了4.20%和5.98%,SPECjvm2008的总分数提升了2.02%。
-
关键词
图着色寄存器分配
访存寻址
溢出代码
编译优化
-
Keywords
Register allocation via graph coloring
Memory addressing
spill code
Compiler optimization
-
分类号
TP314
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于EFDC模型的感潮江段溢油事故风险预测
被引量：7
- 2
-
-
作者
田威
邱利
李一平
-
机构
江苏省水文水资源勘测局
河海大学环境学院
-
出处
《水资源保护》
CAS
CSCD
2015年第6期98-102,共5页
-
文摘
为了在溢油事故发生后能够立即采取有效措施控制和减轻油污染,降低事故危害,采用环境流体动力学模型(EFDC)对长江下游靖江段某码头进行溢油事故风险影响预测。通过EFDC准确地模拟出该江段的二维流场,在流场、风场以及复杂地形等综合条件下,采用拉格朗日质点追踪法计算油品入江后油膜漂移轨迹以及到达、离开下游保护区的时间。结果表明:油膜沿水流方向逐渐被拉伸,覆盖面积逐渐增大,且受长江地形条件影响;在感潮江段,潮流场对油膜漂移行为的影响占主导作用,同时风场也会影响油膜的漂移行为。受涨落潮的影响,油膜向下游来回震荡漂移;溢油事故发生时刻的流场不同,油膜往下游漂移的速度也不同,当溢油事故发生在落潮时,油膜往下游漂移速度更快;不利风向时风速越大,油膜往下游漂移的速度越快。
-
关键词
感潮江段
溢油事故
环境流体动力学模型
油膜
油污染
漂移轨迹
风险预测
-
Keywords
tide sect of Yangtze River
oil spill risk
Environmental Fluid Dynamic code（EFDC）
oil film
oil pollution
drift trajectory
risk prediction
-
分类号
X143
[环境科学与工程—环境科学]
-
-
题名溢出代码和访存压力敏感的快速机器学习
- 3
-
-
作者
刘章林
张兆庆
-
机构
中国科学院计算技术研究所先进实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2007年第6期216-219,223,共5页
-
基金
国家"973"计划资助项目(2005CB321602)
中国科学院计算技术研究所青年基金资助项目(20056600-15)
-
文摘
基于遗传算法提出了溢出代码和访存压力敏感的机器学习来调试寄存器分配的权值函数。不同于以往采用目标程序的运行时间作为适应值,通过静态分析寄存器分配产生的溢出代码和基本块中的访存压力来构建适应值,以减少学习时间。这些分析被限定在热点函数中,在保证适应值精度的同时进一步加快了学习速度。实验表明,快速学习仅需要考虑热点函数的编译时间,整个CPU2000CINT测试集在5 h内即可学习完毕。大部分CPU2000CINT测试例子的性能得到了提高。其中perlbmk的性能提升最高可达到7.2%。
-
关键词
机器学习
寄存器分配
溢出代码
访存压力
-
Keywords
machine learning
register allocation
spill code
memory access pressure
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
