Performance 有没有应用机器学习来提高代码性能的例子？

我看到Facebook的基思·亚当斯（Keith Adams）的一篇文章，将机器学习技术与调整代码进行比较，以提高现实世界中的性能。有没有在实际项目中应用这种自动化技术的例子？我

我知道某些编译器中的概要文件引导优化，以及JIT编译器用来提高性能的一些技术，但我正在考虑更基本的方法来提高代码性能，这可能需要更改代码本身，而不是代码生成。例如：

在特定网络应用程序中选择最佳缓冲区大小，或为特定应用程序选择正确的堆栈大小

在多线程应用程序中选择结构布局可以提高本地缓存性能，同时减少错误共享

为某个算法一起选择不同的数据结构

我读了一篇关于Halide的文章，这是一个图像处理框架，使用遗传算法自动调整图像处理管道以提高性能。像这样的例子或任何研究指南都会很有用。

看看雷米

---

它使用一种遗传优化方法生成网络拥塞控制算法，显著提高了网络性能。其中一个指定了关于所使用网络的假设，Remy生成了在该网络的数据节点上运行的控制算法。结果令人惊讶，Remy的性能优于迄今为止所有人类开发的优化技术。

FFTW是一个广泛使用的软件包，它使用OCaml生成优化的C代码。本文详细介绍了该过程：

您还可以研究Acovea，这是一种优化编译器标志的遗传算法：