补全:这级开没开某趟
补全 opt_on：这个级别开没开某趟 pass。 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num_passes(级) 这级开几趟、
补全:这级开几趟
补全 num_passes：这个级别开了几趟 pass。 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num_passes(级) 这级开
-O2 比 -O0 省几条
按模型，-O0 有 12 条、-O2 有 7 条，saved(12, 7) 交回几？ 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num
-O2 开了几趟 pass
按模型，num_passes(2) 交回几？ 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num_passes(级) 这级开几趟、opt
为什么调试时常用 -O0
调试时偏爱 -O0，是因为【0】。 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num_passes(级) 这级开几趟、opt_on(级
-O0 和 -O2 的区别是什么
-O0 和 -O2 最主要的区别是【0】。 优化级别模型：PASSES={0:[], 1:[fold], 2:[fold, dce, inline]}。num_passes(级) 这级开几趟、opt_
补全:内联划不划算
补全 worth_it：代码增长没超预算才划算。 内联模型：should_inline(体大小, 阈值)=不超阈值才内联；calls_saved=省下的调用次数；size_after(调用方, 函数体
补全:内联后大小
补全 size_after：每个调用点用函数体替换。 内联模型：should_inline(体大小, 阈值)=不超阈值才内联；calls_saved=省下的调用次数；size_after(调用方, 函
补全:省下几次调用
补全 calls_saved：内联 n_calls 处就省 n_calls 次调用。 内联模型：should_inline(体大小, 阈值)=不超阈值才内联；calls_saved=省下的调用次数；s
补全:该不该内联
补全 should_inline：函数体不超过阈值才内联。 内联模型：should_inline(体大小, 阈值)=不超阈值才内联；calls_saved=省下的调用次数；size_after(调用方