[发明专利]基于RL的超优化编译器建立、代码超优化方法及系统

权利要求书

1.一种基于RL的超优化编译器建立方法，其特征在于，包括如下步骤：

步骤1：获取源代码，将源代码转换为二进制文件后输入编译器中进行搜索，输出搜索过程中的所有搜索路径；

步骤2：采用NLP技术中文本转embedding方法doc2vec算法对每条搜索路径进行解析，获得每条搜索路径包含的多个词条，其中，每个词条包括代码优化程度、突变代码和随机突变方向；包括如下子步骤：

1）将搜索路径文件search.txt里面的每轮出现的Reward/Code/Action分成一个词条，将每个搜索路径保存成如下字典形式log_data = {action:None, reward:None, code:None, cost:None}；

2）将解析出来的词条和code索引项通过遍历保存成一个list格式的数据集，同时将索引号码保存成另一个list格式的数据标签；

3）将数据集和对应的数据标签打包成机器机器学习模型doc2vec数据集的格式，通过doc2vec方法，设定embedding的长度vector_size=128，窗口大小为10，最小词条长度为1，训练次数epochs=20，训练出一个词法相关的模型model，然后在通过这个训练好的model，用model.infer_vector对每一个条目生成对应的code embedding；

4）获得每个action的独热编码(one-hot)将分类的变量作为二进制向量表示；

步骤3：将所有搜索路径包含的词条作为训练集，将随机突变方向的种类作为标签，对编译器通过强化学习方法进行训练，所述强化学习方法采用PPO方法，所述PPO方法的目标是计算策略π∗使期望的回报最大化，，其中，是定义单个情节的一系列状态和行为，学习者试图在当前状态下找到一个最佳行动，它包括学习寻找最佳行动和反复试验；在该PPO方法中定义action =[0,1,2,3,4,5,6,7,8] 分别是每个词条随机突变的9种方式，定义observation_space是数据预处理阶段的embedding模型，定义reward是每个词条的代码优化程度，即突变后的指令函数运行在llvm中执行时间通过numpy包中的tanh双曲正切函数计算得到；定义state是每个词条的突变代码；将STOKE生成的搜索空间和搜索路径以及搜索过程中经历的action和Reward输入到待优化的编译器中，让编译器学习STOKE的搜索策略，找到随机突变对代码优化的影响，最后得到一个训练好的编译器保存在~/ray_results/PPO_*中；

将训练好的编译器作为超优化编译器，所述的超优化编译器的突变方向为优化后的随机突变方向。

2.如权利要求1所述的基于RL的超优化编译器建立方法，其特征在于，所述的随机突变方向包括9种，分别为：Opcode、Operand、GlobalSwap、LocalSwap、AddNops、Delete、Instruction、Weighted和Resize。

3.一种代码超优化方法，其特征在于，该方法用于获取待优化源代码，将待优化源代码输入采用权利要求1或2的基于RL的超优化编译器建立方法建立的超优化编译器中，获得待优化源代码的突变方向，直至代码收敛时优化结束，输出超优化代码。