MétaCan
Menu
Retour à la cohorte
Enregistrement W7000149987

Efficient JIT compilation of MATLAB loops

2014· dissertation· en· W7000149987 sur OpenAlexaffabout

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2014
Typedissertation
Langueen
DomaineComputer Science
ThématiqueParallel Computing and Optimization Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMATLABInterpreterCompilerScripting languageFortranJust-in-time compilationDataflowSoftwareCode (set theory)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

MATLAB R is a dynamic numerical scripting language widely used by scientists, engineers and students.It is praised because it allows fast prototyping, especially for numerical programs which manipulate matrices.However, numerical software can be computationally heavy, and MATLAB, as most interpreted languages, suffers from slow performance as compared to traditionally compiled languages such as FORTRAN or C++.One way to provide better performance for interpreted languages is through just-in-time compilation, where the program (or part of the program) is compiled at run-time.In this thesis, we introduce SJIT, a just-in-time compiler for MATLAB which focuses on providing good performance while keeping the compilation time extremely small.It is designed to integrate easily and transparently into an existing interpreter for MATLAB named Mc VM, and generates highly efficient assembly code intensive parts of the program, namely loops.In addition to its use for accelerating whole MATLAB programs, it is also suitable for accelerating the execution of fragments of MATLAB code inside an interactive environment such as a read-eval-print loop.In addition to the SJIT compiler, this thesis also contributes an efficient framework to develop static dataflow analyses, and a type inference analysis implemented within this framework.The SJIT compiler has been evaluated, both in terms of compilation time and execution time, on a collection of MATLAB benchmarks using traditional features such as matrices and structures.The results show that: (1) the achieved performance is several times faster than the original MATLAB implementation, and (2) that the compilation time is very reasonable, taking only a small fraction of the overall time.i I would like to thank all the persons who made these two years a nice experience, and thus helped me to make this thesis: My family in Canada for their dedication in making my life in Montreal nicer. My family in France for their long-distance support, from video calls to handwritten letters. The members of the Sable lab, for the lunchs in Chinatown. My supervisor, Laurie, for dealing

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetParallel Computing and Optimization TechniquesTravaux en français237 207