一種用于存儲級并行度評估的經(jīng)驗?zāi)Ｐ?pdf

1、每周期指令數(shù)（Instructions Per Cycle，IPC）是衡量CPU性能的重要指標(biāo)，研究CPU中微結(jié)構(gòu)參數(shù)與IPC的關(guān)系能夠啟發(fā)微結(jié)構(gòu)的改進(jìn)方向。目前，經(jīng)驗建模方法已經(jīng)廣泛用于研究微結(jié)構(gòu)參數(shù)對IPC的影響。存儲級并行度（Memory Level Parallelism，MLP）作為影響IPC大小的一個關(guān)鍵變量，一直以來缺乏對其的有效建模。
　　本文建立了一個使用微結(jié)構(gòu)參數(shù)評估MLP大小的經(jīng)驗?zāi)Ｐ汀Ｕ撐年U述了現(xiàn)代CPU中

2、的典型微結(jié)構(gòu)，包括流水線、超標(biāo)量、亂序執(zhí)行與依賴檢查、寄存器重命名、重排緩沖區(qū)、分支預(yù)測、存儲層次等微結(jié)構(gòu)。整個模型分為數(shù)據(jù)獲取，數(shù)據(jù)清洗和數(shù)據(jù)預(yù)測三個部分。在數(shù)據(jù)獲取部分，獲得經(jīng)驗?zāi)Ｐ陀?xùn)練所需的數(shù)據(jù)，包括動態(tài)特征參數(shù)和MLP大小數(shù)據(jù)。使用分代模型討論了相關(guān)微結(jié)構(gòu)參數(shù)對MLP的影響，在實驗平臺上找到這些微結(jié)構(gòu)參數(shù)對應(yīng)的動態(tài)特征參數(shù);使用數(shù)學(xué)公式精確定義了MLP，設(shè)計算法從實驗平臺中提取MLP大小數(shù)據(jù)。在數(shù)據(jù)清洗部分，對數(shù)據(jù)進(jìn)行預(yù)處理以方

3、便經(jīng)驗?zāi)Ｐ偷那蠼?。過濾或者填補(bǔ)數(shù)據(jù)中的遺漏值;使用K近鄰分類器算法過濾掉MLP數(shù)據(jù)中的稀疏部分;使用稀疏自編碼器算法對動態(tài)特征參數(shù)進(jìn)行降維，提高模型的求解速度。在數(shù)據(jù)預(yù)測部分中，訓(xùn)練經(jīng)驗?zāi)Ｐ蛠眍A(yù)測MLP。使用動態(tài)特征參數(shù)作為經(jīng)驗?zāi)Ｐ偷妮斎耄ㄟ^對MLP數(shù)學(xué)定義的等價變換，使用變換后的各分量作為經(jīng)驗?zāi)Ｐ偷妮敵?，使用神?jīng)網(wǎng)絡(luò)作為訓(xùn)練工具來預(yù)測MLP的值。
　　經(jīng)驗?zāi)Ｐ驮跁r鐘周期精確的仿真平臺GEM5上運(yùn)行3個Android應(yīng)用進(jìn)行測試