Optimization 使用Logistic回归模型自动选择gcc编译器优化

我正在做一个基于gcc编译器优化选项选择的项目，使用基于本文的名为LRM（逻辑回归模型）的算法

在该算法中，第一步是通过编译和执行每个组合的程序，从所有可用的优化选项组合（现在大约65个）中创建一个训练数据。然后稍后使用这些数据更快地为其他代码找到最佳的优化选项集

谁能帮我理解我该如何存储这些数据。我计划创建一个2D数组，然后将数组存储在一个二进制文件中。有更好的方法吗？请帮忙。我如何继续使用LRM从训练数据中找到最佳集合。欢迎提出任何建议

---

谢谢。

这是一个2D数组，每个选项一列，结果一列（标准测试用例的运行时）。由于共有65列，选项为开或关，因此有2^65种可能的组合，即36893488147419103232。按结果列排序，这就是最佳选项集

我想我应该使用CSV文件

可能的组合数量是不切实际的。测试以确定是否有任何单个标志使您的程序更快或更慢，然后如果任意两个标志组合的工作效果优于它们各自改进的总和（协同效应），则对三个标志执行相同的操作，依此类推。然后可在这些协同组中使用这些选项，以减少可能的组合数量

---

但这是一个荒谬的选择组合大量

它是一个2D数组，每个选项一列，结果一列（标准测试用例的运行时）。由于共有65列，选项为开或关，因此有2^65种可能的组合，即36893488147419103232。按结果列排序，这就是最佳选项集

我想我应该使用CSV文件

可能的组合数量是不切实际的。测试以确定是否有任何单个标志使您的程序更快或更慢，然后如果任意两个标志组合的工作效果优于它们各自改进的总和（协同效应），则对三个标志执行相同的操作，依此类推。然后可在这些协同组中使用这些选项，以减少可能的组合数量

---

但这是一个荒谬的选择组合大量

我非常清楚创建培训数据所需的时间将是一个漫长的过程。。Thnx.而且我非常清楚创建训练数据所需的时间将是一个很长的过程。。Thnx。