ProCerDCL

新框架ProCerDCL验证深度学习编译器优化

研究人员开发了ProCerDCL，一个专为深度学习编译器优化进行高效黑盒概率性验证的新框架。该工具评估属性违反的概率是否超过指定阈值，并以有界误差概率给出接受、拒绝或不确定的结论。ProCerDCL采用比现有方法更节省样本的序贯检验，并已应用于验证TorchInductor和TensorRT中参考执行与编译执行之间的语义一致性，成功识别出编译器故障。