Desarrollan modelo de Aprendizaje Automático que predice la velocidad de rendimiento de un chip
Investigadores del MIT han desarrollado un algoritmo de Aprendizaje Automático que puede predecir la velocidad en que los chips de computadora logran ejecutar el código de varias aplicaciones.
Según una publicación del MIT, los investigadores presentaron el modelo de red neuronal Ithemal, el cual puede entrenar datos en forma de bloques básicos para predecir automáticamente el tiempo que le toma a un chip ejecutar los bloques de código.
Normalmente, para que el código de aplicaciones se ejecute rápidamente los desarrolladores utilizan compiladores, que son un tipo de traductor que transforma un programa entero de un lenguaje de programación a otro.
Los compiladores usan esa información para automatizar el código, mientras que los desarrolladores la usan para optimizar los cuellos de botella de rendimiento en los microprocesadores que ejecutarán el código. Sin embargo, estas mediciones a menudo son diferentes a los resultados de la vida real.
Durante las pruebas, el modelo Ithemal pudo predecir qué tan rápido los chips de Intel ejecutaron el código. En el entrenamiento del modelo se analizaron millones de bloques básicos perfilados para aprender cómo diferentes estructuras de chip ejecutan el código.
Ithemal pudo reducir las tasas de error en un 50 por ciento, respecto a los modelos tradicionales hechos a mano, para predecir la precisión de la diferencia entre la velocidad pronosticada y la del mundo real.
Además, los investigadores demostraron que la tasa de error de Ithemal era de un 10 por ciento, mientras que el modelo de rendimiento de Intel tiene una tasa de error de 20 por ciento en una variedad de bloques con dominios diferentes.
Charith Mendis, estudiante y coautor de la investigación, dice que la herramienta facilitará el aprendizaje de las velocidades de rendimiento para cualquier arquitectura de chip.
“Si desea entrenar un modelo en una nueva arquitectura, simplemente recopile más datos de esa arquitectura, ejecútelos a través de nuestro generador de perfiles, use esa información para entrenar a Ithemal, y ahora tiene un modelo que predice el rendimiento”, explica Mendis.