<div dir="ltr">I am looking forward to trying this out when it is ready!<div><br></div><div>-viral<br><br>On Wednesday, June 22, 2016 at 7:39:54 AM UTC-7, Tobias Grosser wrote:<blockquote class="gmail_quote" style="margin: 0;margin-left: 0.8ex;border-left: 1px #ccc solid;padding-left: 1ex;">On Wed, Jun 22, 2016, at 02:15 AM, Matthias Reisinger via llvm-dev

<br>wrote:

<br>> Dear Community,

<br>

<br>Hi Matthias,

<br>

thank you a lot for this update!

<br> 

<br>> in an earlier post, students working on LLVM were asked to provide a

<br>> short 

<br>> report on

<br>> their GSoC project. in the following I want to give an overview on the 

<br>> current status of my

<br>> GSoC project and outline my next planned activities. Since my mentoring 

<br>> organization is Julia,

> I also send this to the according mailing list.

<br>> 

<br>> *1. Activities so far:*

<br>> 

<br>> As described in my proposal [1], I am working on making available Polly's 

> optimizations on Julia.

<br>> Within the pull-requests [2] and [3] I integrated Polly into Julia's 

> LLVM-based JIT infrastructure.

<br>> Polly can now be explicitly used to optimize Julia functions that are 

<br>> annotated with the newly

<br>> introduced `@polly` macro. You may also read my blog post [4] on this 

<br>> topic, which illustrates how

<br>> these new features can be used in Julia. In a next step I used first

<br>> micro 

<br>> benchmarks to analyze

<br>> the LLVM code that Julia produces internally and tried to determine 

<br>> characteristics of the produced

<br>> code that prevents Polly from applying its optimizations. For a more 

<br>> comprehensive evaluation,

<br>> I ported the PolyBench benchmark suite to Julia. My recent blog post [5] 

> provides more details on this.

<br>> 

<br>> These benchmarks helped to identify Julia constructs which hinder Polly's 

<br>> SCoP detection. `for`-loops

<br>> for which both the lower and the upper bound are parametric are lowered

<br>> to 

<br>> LLVM code that restrain

<br>> ScalarEvolution analysis and has been discussed in the bug report at [6]. 

<br>> It was possible to solve

<br>> this problem and I will shortly supply a patch for this. Another language 

<br>> construct that is lowered to

<br>> LLVM IR that limits the optimization potential are Julia's `StepRange`s. 

<br>> More concretely, this regards

<br>> loops of the form `for i = lower_bound:step:upper_bound`. They will

<br>> prevent 

<br>> optimizations especially

> when occurring inside other loops.

<br>

<br>Very good work indeed! Thanks for upstreaming the first patches and for

<br>tracking down all the mismatches that today make optimizations more

<br>difficult than necessary! It seems -- despite it certainly requiring

<br>effort -- most of the changes look tracktable. Looking forward to see

them resolved one-by-one.

<br>

<br>Also, thank you for writing a PollyBench-Julia version. This is indeed a

<br>great tool to test your work and

obviously gives some nice data to talk about in your blog post.

<br>

<br>Best,

<br>Tobias

<br></blockquote></div></div>