本书分十大章节和三章附录章节，以现代体系结构特征为目标，从理论、方法及应用等不同角度，详细描述了各种提升程序并行性、数据局部性及适配目标架构特征的高级编译优化技术。本书还结合深度学习应用场景展开讨论，介绍了如何在深度学习框架中使用高级编译优化技术。

赵捷，2009年于清华大学获得工学学士学位，2018年于法国巴黎高等师范学校获得工学博士学位，现就职于数学工程与先进计算国家重点实验室。赵捷博士长期从事编译器高级优化和代码生成方面的研究，目前主要从事深度学习编译器的研究。李宝亮，2009年于清华大学获工学学士学位，2014年赴加拿大麦吉尔大学交流访问，2015年于国防科学技术大学获工学博士学位。李宝亮博士长期从事体系结构性能分析优化方面的研究，目前主要从事深度学习专用加速芯片的研制和相关系统软件和编程语言的开发。

前言 编译技术是计算机科学领域的一个重要分支，其发展历史可追溯至 20世纪中叶。 作为编译技术的载体，编译器的功能是将一种语言转换成另外一种语言，这种过程可以 是从高级语言到低级语言的转换，也可以是从一种高级语言到另外一种高级语言的翻 译。为了实现语言之间的转换，编译器需要完成的任务包括前端词法、语法、语义的分 析，中间过程的程序优化以及后端代码的生成。经过长时间的发展，当前编译技术的重 点是在中间过程的程序优化和后端代码的生成。无论是中间过程的优化还是后端代码的 生成，都与计算机体系结构的发展息息相关。随着异构计算体系结构的出现和日趋完善， 尤其是当前面向人工智能、大数据和图像处理等领域专用体系结构的大量涌现，过程优 化和代码生成的重要性显得更加突出。 为了更好地实现过程优化和代码生成，学术界提出了一种被称作多面体模型（polyhedral model）的数学概念，该模型主要面向循环嵌套实现过程优化和代码生成。 经过 30多年的发展，该数学模型有效地解决了编译技术中的依赖分析、并行性和局部 性发掘等一系列关键问题，成为许多现代优化编译器的重要组成部分。近年来，随着人 工智能、大数据和图像处理等领域专用体系结构的迅猛发展，多面体模型也受到学术界 和工业界的广泛关注，不仅理论本身日趋完善，实际应用也取得了巨大的成功。在这样 的背景下，作者受清华大学出版社的邀请，就多面体模型理论本身及其在相关领域中的 应用进行归纳总结，编写了本书。 本书主要内容分为 8章。第 1章从体系结构发展对编译技术的影响，引出多面体 模型及其研究意义。第 2章介绍了多...