Facebook 近日宣布了 CompilerGym 項目，這是一個用于執行編譯器優化任務的高性能、易于使用的強化學習 (Reinforcement Learning, RL) 環境庫，用于解決生產環境中的編譯器優化問題。

[[427778]]

CompilerGym 由 Facebook 的 AI 團隊在 OpenAI Gym 之上構建，并最終致力于幫助提高代碼編譯器的性能。他們在公告中表示：“CompilerGym 對重要的編譯器優化問題進行了打包，并使它們看起來像強化學習問題。我們引入的編譯器優化問題規模很大。例如搜索空間為 104461，遠大于圍棋的搜索空間。但另一方面，搜索空間又是無限的。得益于強化學習的最新進展，這種規模的問題第一次有可能取得進展。CompilerGym 讓任何具有 ML 或編譯器背景的人都可以輕松地直接投入并開始解決問題，而無需花費通常需要的數月繁瑣配置時間。這是因為我們已經為你完成了這些工作!”

開發團隊還補充道，“我們的目標是成為通過 ML 讓編譯器速度更快的催化劑，因為程序如果優化不當會非常慢，并且消耗過多的計算資源和能源，限制了節能邊緣設備的應用，使數據中心不那么環保。”

據介紹，在此項目的第一個版本中，Facebook 為三個編譯器問題提供了強化學習環境： 使用 LLVM 進行相位排序、使用 GCC 調整 flag，以及使用 CUDA 循環嵌套生成。他們還提供了用于訓練的大量程序數據集、驗證結果可重復性的腳本、公共記分榜和 Web 前端。隨著時間的推移，他們計劃為其他成熟的編譯器問題提供支持，包括寄存器分配、窺孔優化 (peephole optimization) 和循環優化。開發團隊還希望增加更多的任務、獎勵、觀察和行動，旨在通過這些舉動讓編譯器和 ML 研究社區更加緊密地聯系在一起。

本文轉自OSCHINA

本文標題：Facebook 使用機器學習優化編譯器

本文地址：https://www.oschina.net/news/163236/facebook-compiler-gym