一種用于存儲(chǔ)級(jí)并行度評(píng)估的經(jīng)驗(yàn)?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(yàn)建模方法已經(jīng)廣泛用于研究微結(jié)構(gòu)參數(shù)對(duì)IPC的影響。存儲(chǔ)級(jí)并行度（Memory Level Parallelism，MLP）作為影響IPC大小的一個(gè)關(guān)鍵變量，一直以來(lái)缺乏對(duì)其的有效建模。
　　本文建立了一個(gè)使用微結(jié)構(gòu)參數(shù)評(píng)估MLP大小的經(jīng)驗(yàn)?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(cè)、存儲(chǔ)層次等微結(jié)構(gòu)。整個(gè)模型分為數(shù)據(jù)獲取，數(shù)據(jù)清洗和數(shù)據(jù)預(yù)測(cè)三個(gè)部分。在數(shù)據(jù)獲取部分，獲得經(jīng)驗(yàn)?zāi)Ｐ陀?xùn)練所需的數(shù)據(jù)，包括動(dòng)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(duì)MLP的影響，在實(shí)驗(yàn)平臺(tái)上找到這些微結(jié)構(gòu)參數(shù)對(duì)應(yīng)的動(dòng)態(tài)特征參數(shù);使用數(shù)學(xué)公式精確定義了MLP，設(shè)計(jì)算法從實(shí)驗(yàn)平臺(tái)中提取MLP大小數(shù)據(jù)。在數(shù)據(jù)清洗部分，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理以方

3、便經(jīng)驗(yàn)?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(duì)動(dòng)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(cè)部分中，訓(xùn)練經(jīng)驗(yàn)?zāi)Ｐ蛠?lái)預(yù)測(cè)MLP。使用動(dòng)態(tài)特征參數(shù)作為經(jīng)驗(yàn)?zāi)Ｐ偷妮斎耄ㄟ^對(duì)MLP數(shù)學(xué)定義的等價(jià)變換，使用變換后的各分量作為經(jīng)驗(yàn)?zāi)Ｐ偷妮敵觯褂蒙窠?jīng)網(wǎng)絡(luò)作為訓(xùn)練工具來(lái)預(yù)測(cè)MLP的值。
　　經(jīng)驗(yàn)?zāi)Ｐ驮跁r(shí)鐘周期精確的仿真平臺(tái)GEM5上運(yùn)行3個(gè)Android應(yīng)用進(jìn)行測(cè)試