Facebook最近宣布了CompilerGym项目，这是一个高性能、易用的强化学习(RL)环境库，用于执行编译器优化任务，以解决生产环境中的编译器优化问题。CompilerGym由Facebook的AI团队在OpenAIGym之上构建，最终旨在帮助提高代码编译器的性能。他们在公告中说：“CompilerGym将重要的编译器优化问题打包，让它们看起来像强化学习问题。我们引入的编译器优化问题是大规模的。例如，搜索空间为104461，这比Go的搜索空间大得多.搜索空间。另一方面，搜索空间是无限的。由于强化学习的最新进展，第一次有可能在这种规模的问题上取得进展。CompilerGym使具有ML或编译器背景的任何人都可以到无需花费通常需要的数月繁琐的配置时间，即可轻松投入并开始解决问题。那是因为我们已经为您完成了！”开发团队还补充说，“我们的目标是成为更快服务器速度的催化剂，因为如果优化不当，程序会非常慢，消耗过多的计算资源和能源，从而限制节能边缘设备和应用。使得数据中心不那么环保。”据介绍，这个项目的第一部分在一个版本中，Facebook为三个编译器问题提供了强化学习环境：使用LLVM进行阶段排序，使用GCC进行标志调优，使用CUDA进行循环嵌套生成。他们还提供用于训练的大型程序数据集、用于验证结果可重复性的脚本、公共记分牌和Web前端。随着时间的推移，他们计划为其他成熟的编译器问题提供支持，包括寄存器分配、窥孔优化和循环优化。开发团队还希望增加更多的任务、奖励、观察和行动，目的是拉近编译器和ML研究社区的距离。本文转自OSCHINA文章标题：Facebook利用机器学习优化编译器
