基于机器学的预取能效优化自适应装置及方法

摘要

本发明公开了一种基于机器学的预取能效优化自适应装置及方法，本发明的结合机器学的动态调整预取配置的方法，能够根据应用的特征最大化预取能效。具体如下：a、提取程序特征：通过硬件计数器提取应用程序在运行时的存储访问行为及预取相关行为信息，作为程序特征观测量；b、构建训练数据集：根据程序特征提取的结果，选择与预取能效最相关的特征及达到最大能效时预取的配置，作为一个有效数据；c、训练学模型：给定程序的特征观测量及对应的最优预取配置作为模型的输入，采用机器学的算法训练学模型；d、动态预测预取配置：学模型根据新的应用程序运行时收集程序特征观测量对程序进行分类，预测预取的配置最大化能效。

主权项

基于机器学习的预取能效优化自适应装置，其特征是：包括学习模块部分(12)和基本处理器(13)这两大组件；所述基本处理器(13)包括处理器核(1)、一级高速缓存单元(2)、二级高速缓存单元(3)、下一级存储(4)、一级数据预取装置(5)、二级数据预取装置(6)、硬件计数器统计模块(7)、程序特征片段检测模块(8)、特殊目的寄存器(11)；所述学习模块部分(12)包括特征提取模块(9)、学习模型(10)。