公司出品|开放源码中国

译者|副局长

Facebook 日前宣布了 CompilerGym 项目，这是一个用作执行C++加强各项任务的高效能、更易采用的加强自学 (Reinforcement Learning, RL) 自然环境库，用作解决生产自然环境中的C++加强难题。

CompilerGym 由 Facebook 的 AI 项目组在 OpenAI Gym 其内构筑，并最终致力协助提高标识符C++的操控性。她们在公告中表示：“CompilerGym 对重要的C++加强难题展开了装箱，并使它们看上去像加强自学难题。他们导入的C++加强难题体量很大。例如搜寻内部空间为 104461，大于中国围棋的搜寻内部空间。但再者，搜寻内部空间又是无穷的。得力于加强自学的韦谢列，这种体量的难题第一次有可能取得重大进展。CompilerGym 让任何具有 ML 或C++大背景的人都可以随心所欲地直接资金投入并开始解决难题，而无须耗费通常需要的数年繁杂实用性天数。这原因在于他们已经为你完成了那些工作！”

合作开发项目组还补足道，“他们的目标是成为透过 ML 让C++速度更慢的催化，因为流程如果加强失当会非常慢，并且耗用过多的计算能力和可再生能源，限制了节能节能环保边沿设备的应用，使网络系统不那么节能环保。”

据悉，在该项目的第二个版中，Facebook 为三个C++难题提供更多了加强自学自然环境：采用 LLVM 展开增益次序、采用 GCC 调整 flag，以及采用 CUDA 循环式冗余聚合。她们还提供更多了用作体能训练的大量流程数据集、校正结果徐立全的JAVA、公用计分榜和 Web 后端。随着天数的流逝，她们计划为其他成形的C++难题提供更多支持，包括暂存器重新分配、书架加强 (peephole optimization) 和循环式加强。合作开发项目组还希望增加更多的各项任务、奖赏、检视和行动，意在透过那些行径让C++和 ML 研究街道社区更加密切地联系在一起。