麻省理工學院的人開發(fā)了一種新的基于機器學習的工具，它將告訴你代碼在各種芯片上運行的速度。這將幫助開發(fā)人員為特定的處理器體系結(jié)構(gòu)調(diào)整他們的應用程序。

傳統(tǒng)上，開發(fā)人員通過模擬使用編譯器的性能模型來運行代碼的基本塊-機器級的基本計算機指令-以衡量芯片的性能。然而，這些性能模型并不經(jīng)常通過現(xiàn)實生活中的處理器性能來驗證..

麻省理工學院的研究人員開發(fā)了一個名為Ithmel的人工智能模型，通過訓練它來預測一個芯片能以多快的速度運行未知的基本塊。后來，它得到了一個名為BHive的數(shù)據(jù)庫的支持，該數(shù)據(jù)庫有300，000個來自專門領(lǐng)域的基本塊，如機器學習、密碼學和圖形。

研究小組在12月的NeuralIPS會議上提交了一篇論文，描述了一種新的技術(shù)來測量各種處理器的代碼性能。本文還介紹了Vemal，一種新的自動生成算法，可用于生成編譯器優(yōu)化。

該論文的合著者、電氣工程與計算機科學系（EECS）助理教授邁克爾·卡賓（Michael Carbin）表示，由于現(xiàn)代芯片復雜且不透明，這一新工具將幫助開發(fā)者為各種架構(gòu)制作應用程序：

現(xiàn)代計算機處理器是不透明的，極其復雜，難以理解。為這些處理器編寫盡可能快地執(zhí)行的計算機代碼也是難以置信的挑戰(zhàn)。這個工具是朝著充分建模這些芯片的性能以提高效率邁出的一大步。

卡賓補充道，下一步是弄清楚為什么該模型預測處理器模型的某些周期。開發(fā)人員可以使用這個級別的數(shù)據(jù)來進一步調(diào)整他們的應用程序。