研究人员开发了 AutoProfiler,一个旨在通过智能选择要分析的硬件信息来优化 GPU 内核性能的框架。与依赖固定或广泛分析的先前方法不同,AutoProfiler 使用具有 LLM 的反馈驱动方法来学习动态分析树。该树指导为特定内核选择最相关的分析指标,在预算受限的情况下提高优化效率。研究结果表明,从静态指标收集转向自适应分析推理以增强内核优化。 AI
影响 这项研究通过智能分析来优化内核性能,可能导致 AI 工作负载中更有效地利用 GPU。
排序理由 该条目描述了一篇关于 GPU 内核优化新颖框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →