Optimizing Memory Mapping Using Deep Reinforcement Learning

提出一种利用深度强化学习解决内存映射问题的方法，通过训练智能体探索改进的内存映射解决方案，提高机器学习工作负载的执行速度。

Pengming Wang, Mikita Sazanovich, Berkin Ilbeyi, Phitchaya Mangpo Phothilimthana, Manish Purohit, Han Yang Tay, Ngân Vũ, Miaosen Wang, Cosmin Paduraru, Edouard Leurent, Anton Zhernov, Julian Schrittwieser, Thomas Hubert, Robert Tung, Paula Kurylowicz, Kieran Milan, Oriol Vinyals, Daniel J. Mankowitz
[Google DeepMind]

用深度强化学习优化内存映射

  • 动机：优化内存映射是高影响系统中资源调度和分配的关键组成部分。本文旨在通过深度学习方法解决内存映射问题，以优化执行时间。

  • 方法：使用强化学习，将内存映射问题建模为单方博弈，通过训练强化学习智能体(mallocMuZero)探索新的改进的内存映射解决方案，提高机器学习工作负载的执行速度。

  • 优势：通过强化学习方法，发现并实现了在实际机器学习工作负载上能够改善执行时间的新的内存映射解决方案，与默认求解器相比表现出优势。

https://arxiv.org/abs/2305.07440 
图片
图片

内容中包含的图片若涉及版权问题，请及时与我们联系删除