研究组论文Crop: An Analytical Cost Model for Cross-Platform Performance Prediction of Tensor Programs被中国计算机学会推荐A类国际会议 DAC 2024（61st Design Automation Conference）录用！本届会议共收稿1545篇，录用356篇，录用率23%。
孙新雨、张昱*、刘硕、翟祎. Crop: An Analytical Cost Model for Cross-Platform Performance Prediction of Tensor Programs. 61st Design Automation Conference. Moscone West, San Francisco, USA, June 23-27, 2024.
DOI: https://doi.org/10.1145/3649329.3658249
论文中文简介见 微信推文，并已申请发明专利。
北京时间2024年6月26日在美国旧金山DAC 2024会场进行论文汇报和交流
论文摘要：
深度学习编译器在自动调优时通常使用基于学习的代价模型预测张量程序的性能。然而，基于学习的代价模型高度依赖特定平台的性能数据，缺乏可迁移性，开发者在模型部署期间需要为每个潜在平台收集性能数据，用于重新训练代价模型，往往会产生相当大的时间与算力开销。
为解决跨硬件平台性能数据不可复用的挑战，本文提出一个全面且通用的分析代价模型Crop。Crop将程序特征与硬件特征解耦，通过将硬件无关的程序特征与目标平台的硬件特征相结合，实现对这些目标平台上张量程序的性能预测，从而避免了与测量相关的大量开销。