-
公开(公告)号：CN105677584A
公开(公告)日：2016-06-15
申请号：CN201511018082.3
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
IPC: G06F12/0862 , G06F12/0893
CPC classification number: G06F12/0862 , G06F12/0893
Abstract: 本发明公开了一种基于统计推演的期望堆栈距离快速提取方法，在借助Gem5获取目标程序访存Trace流的基础上，依照执行顺序对每次访存请求进行标号。并利用红黑树索引结构记录访存地址及标号；当重用产生时，通过将当前请求执行标号同红黑树中记录的前次访存标号相减，获取重用距离；本发明通过采样的方法，找出重用距离与基于Cache组关联的重用距离之间的转换关系，推导了重用距离分布与期望堆栈距离分布之间的转换关系。由于重用距离提取时间成本较低，且基于Cache组关联结构的期望堆栈距离分布可从上述的两次转换过程中获得。所以，本发明大幅提升了利用堆栈距离评估LRU-Cache访存行为的速度。
-
Patent Agency Ranking
公开(公告)号：CN105677584B
公开(公告)日：2019-01-04
申请号：CN201511018082.3
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
IPC: G06F12/0862 , G06F12/0893
Abstract: 本发明公开了一种基于统计推演的期望堆栈距离快速提取方法，在借助Gem5获取目标程序访存Trace流的基础上，依照执行顺序对每次访存请求进行标号。并利用红黑树索引结构记录访存地址及标号；当重用产生时，通过将当前请求执行标号同红黑树中记录的前次访存标号相减，获取重用距离；本发明通过采样的方法，找出重用距离与基于Cache组关联的重用距离之间的转换关系，推导了重用距离分布与期望堆栈距离分布之间的转换关系。由于重用距离提取时间成本较低，且基于Cache组关联结构的期望堆栈距离分布可从上述的两次转换过程中获得。所以，本发明大幅提升了利用堆栈距离评估LRU‑Cache访存行为的速度。
-
公开(公告)号：CN105630458A
公开(公告)日：2016-06-01
申请号：CN201511019177.7
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: G06F9/3844 , G06F9/3802 , G06N3/088
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器稳态下平均吞吐率的预测方法，借助指令集模拟器的全仿真环境获取目标程序执行阶段的微架构无关参数，再利用SOM和Kmeans算法提取出输入数据中的特征点，最后通过BP神经网络拟合微架构无关参数与稳态平均吞吐率的关系，训练出精度较高的模型。模型训练完成后，通过模拟器获得程序的微架构无关信息，导入到训练好的神经网络中，即可快速准确地预测实际稳态平均吞吐率值。本发明采用人工神经网络，极大地提高了乱序处理器稳态下平均吞吐率的预测精度和速度。
-
公开(公告)号：CN105653790B
公开(公告)日：2019-03-29
申请号：CN201511018113.5
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器Cache访存性能评估方法，访存指令乱序执行，使得利用二进制执行工具提取的堆栈距离分布在预测LRU‑Cache访存行为时精度不高。本发明将红黑树与哈希表结合，设计基于Cache组关联结构的堆栈距离提取算法，并分别计算访存顺序与乱序执行的堆栈距离分布。利用BP神经网络拟合访存顺序执行的堆栈距离分布与访存缺失次数。将基于二进制执行工具提取的堆栈距离分布导入训练好的神经网络中，可高精度地预测Cache访存行为。本发明采用人工神经网络，有效地解决了利用二进制执行工具提取的堆栈距离分布在预测Cache访存行为上精度不高的问题。
-
公开(公告)号：CN105653790A
公开(公告)日：2016-06-08
申请号：CN201511018113.5
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: G06F17/5036 , G06N3/08
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器Cache访存性能评估方法，访存指令乱序执行，使得利用二进制执行工具提取的堆栈距离分布在预测LRU-Cache访存行为时精度不高。本发明将红黑树与哈希表结合，设计基于Cache组关联结构的堆栈距离提取算法，并分别计算访存顺序与乱序执行的堆栈距离分布。利用BP神经网络拟合访存顺序执行的堆栈距离分布与访存缺失次数。将基于二进制执行工具提取的堆栈距离分布导入训练好的神经网络中，可高精度地预测Cache访存行为。本发明采用人工神经网络，有效地解决了利用二进制执行工具提取的堆栈距离分布在预测Cache访存行为上精度不高的问题。
-
公开(公告)号：CN105630458B
公开(公告)日：2018-03-02
申请号：CN201511019177.7
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器稳态下平均吞吐率的预测方法，借助指令集模拟器的全仿真环境获取目标程序执行阶段的微架构无关参数，再利用SOM和Kmeans算法提取出输入数据中的特征点，最后通过BP神经网络拟合微架构无关参数与稳态平均吞吐率的关系，训练出精度较高的模型。模型训练完成后，通过模拟器获得程序的微架构无关信息，导入到训练好的神经网络中，即可快速准确地预测实际稳态平均吞吐率值。本发明采用人工神经网络，极大地提高了乱序处理器稳态下平均吞吐率的预测精度和速度。
-
-
-
-
-
Search Results
6
records
(took 0.057 seconds)
