一種可變路徑神經(jīng)網(wǎng)絡(luò)分支預(yù)測器建模與實(shí)現(xiàn).pdf

1、隨著處理器流水級(jí)的加深，分支預(yù)測器的預(yù)測精度對(duì)于處理器性能的影響日益顯著。現(xiàn)有分支預(yù)測研究中，更多關(guān)注如何提高預(yù)測性能，而不關(guān)注其硬件開銷，本文將著重研究在較低電路開銷下，分支預(yù)測器的性能。并提出一種新的可變路徑神經(jīng)網(wǎng)絡(luò)預(yù)測算法。
　　論文中首先測試了在較低電路開銷下，各種飽和預(yù)測器和神經(jīng)網(wǎng)絡(luò)預(yù)測器的性能表現(xiàn)。結(jié)果顯示神經(jīng)網(wǎng)絡(luò)預(yù)測器在1KB至8KB的存儲(chǔ)開銷下，擁有更好的預(yù)測精度。在此基礎(chǔ)上，我們分析了在神經(jīng)網(wǎng)絡(luò)預(yù)測算法中存在的空

2、間浪費(fèi)，以及神經(jīng)元權(quán)重在程序運(yùn)行過程中的分布規(guī)律，證明了在大部分情況下，神經(jīng)元權(quán)重的最高有效位沒有被使用，使得存儲(chǔ)空間浪費(fèi)了八分之一。因此我們提出了一種可變路徑神經(jīng)網(wǎng)絡(luò)預(yù)測算法。通過設(shè)置標(biāo)志位使得預(yù)測器可以工作在兩種存儲(chǔ)狀態(tài)下：1、長路徑小權(quán)重狀態(tài)2、短路徑大權(quán)重狀態(tài)。兩種存儲(chǔ)狀態(tài)的切換使得原神經(jīng)網(wǎng)絡(luò)預(yù)測算法中浪費(fèi)的空間被重新利用，提高了預(yù)測性能。我們在simplescalar模擬器中實(shí)現(xiàn)了該算法，并進(jìn)行模擬。測試結(jié)果顯示該算法在幾乎不