作者：吴伟峰编著 著
页数：246
出版社：上海科学技术出版社
出版日期：2024
ISBN：9787547868089
电子书格式：pdf/epub/txt
网盘下载地址：下载面向软件定义芯片通用的算子恢复技术
内容简介
本书系统地介绍了软件定义芯片的概念、国内外研究与产业现状、基本原理、需要研究的关键问题和研究平台, 深入阐述了编译领域的多种指令选择技术, 又基于指令选择技术、图匹配技术、最优化原理方法和软件逆向思维提出面向软件定义芯片通用的算子恢复技术, 将细粒度的通用操作集合恢复成粗粒度的芯片算子操作, 为增强软件定义芯片的易用性和计算效率提供一套可行方案, 并提供了相关的工程实现核心代码。
作者简介
吴伟峰 博士，清华大学移动计算研究中心工程师。研究领域包括：编译器、编程语言研发、多语言程序自动转换、二进制翻译、反编译、高性能计算和数据库加密应用等。目前主要致力于软件定义芯片配套编译系统的研究及开发工作。
本书特色
本书作者提出一套通用的算子恢复技术，在高级语言程序和芯片硬件之间架起一座桥梁，目的在于提高软件定义芯片的易用性和计算效率。本书对相关技术进行深入阐述，并附有工程代码，将对计算机科学与技术和电子科学与技术专业的科研人员、高年级本科生、低年级研究生，以及相关行业的工程师大有裨益。
目录
第1章 软件定义芯片 11.1 概述 11.1.1 计算架构发展历程 11.1.2 软件定义芯片简介 31.2 重点研究方向 61.2.1 硬件架构与高效性 71.2.2 编程模型与灵活性 81.2.3 编译框架与易用性9参考文献.11第2章 基于LLVM的研发平台142.1 LLVM介绍142.1.1 经典编译器设计概览 162.1.2 现有实践172.1.3 LLVM中间码18第1章 软件定义芯片 11.1 概述 11.1.1 计算架构发展历程 11.1.2 软件定义芯片简介 31.2 重点研究方向 61.2.1 硬件架构与高效性 71.2.2 编程模型与灵活性 81.2.3 编译框架与易用性9参考文献.11第2章 基于LLVM的研发平台142.1 LLVM介绍142.1.1 经典编译器设计概览 162.1.2 现有实践172.1.3 LLVM中间码182.1.4 LLVM三段式设计 192.1.5 模块化设计附带闪点 232.2 研发平台介绍242.2.1 CMake构建选项242.2.2 循环体 DFG图生成 252.3 限制27参考文献 27第3章 指令选择技术 283.1 概述293.1.1 指令选择介绍 293.1.2 机器指令特征 323.1.3 最优指令选择 343.1.4 指令选择的早期发展 353.1.5 相关知识及定义 363.1.6 指令选择的基础分类 403.1.7 指令选择的归质任务划分493.2 技术介绍 493.2.1 初级技术 493.2.2 模式匹配 523.2.3 模式选择 683.3 展望833.3.1 待研究主题833.3.2 挑战84参考文献 85第4章 通用算子恢复技术974.1 提高软件定义芯片易用性的相关技术 974.2 算子恢复技术的引入984.3 软件定义芯片通用算子恢复系统 994.3.1 软件定义芯片抽象算子1004.3.2 通用算子恢复系统的输入 1064.3.3 算子基本模板图匹配 1174.3.4 算子聚合1264.3.5 算子选择1274.3.6 算子生成1314.3.7 复杂度分析 1324.3.8 总结 135参考文献135第5章 通用算子恢复系统实现1365.1 DFG 图数据结构 1365.1.1 结点操作码定义1365.1.2 结点数据结构1385.1.3 边数据结构 1395.1.4 图数据结构 1405.2 算子基本模板库工程示例 1405.2.1 DOT语言 1415.2.2 算子基本模板工程示例1425.3 图匹配优先级序列工程示例 1475.4 算子聚合模板库工程示例 1485.4.1 AU算子聚合模板1515.4.2 二级 LU算子聚合模板1555.4.3 三级 LU算子聚合模板1595.4.4 SU模式一算子聚合模板1795.4.5 SU模式二算子聚合模板1805.4.6 SU模式三算子聚合模板1835.5 算子基本模板库图匹配工程示例 1905.5.1 算子基本模板匹配总控函数 1905.5.2 算子基本模板匹配函数1915.5.3 结点匹配函数1935.5.4 结点向上匹配函数 1985.5.5 基本算子恢复函数 1995.6 算子聚合工程示例 2035.6.1 LU算子抽象转换函数 2045.6.2 算子聚合模板匹配总控函数 2055.6.3 算子聚合模板匹配函数2075.6.4 LU抽象算子还原函数 2155.7 算子选择工程示例 2165.8 算子生成工程示例224参考文献238第6章 结语与展望 2396.1 结语 2396.2 展望2396.2.1 软件定义芯片的虚拟化2406.2.2 利用机器学习进行在线训练 241参考文献243索引245
