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

摘要

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。

主权项

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，其特征在于，包括以下步骤：步骤1，仿真获取目标程序执行时间前30％的访存乱序执行流；依据Gem5指令取指序号对乱序执行流进行重排序，获取访存顺序执行流；设计堆栈距离算法，分别对顺序执行流与乱序执行流提取堆栈距离分布，并作数据归一化；步骤2，根据步骤1得到的乱序访存堆栈距离分布在Gem5中加入Cache访问缺失事件的判定逻辑，统计各项缺失事件次数；步骤3，选取BP人工神经网络，依照经验公式调试获取合适的训练方法、网络层级数目以及各层级内的神经元个数；通过选定的BP人工神经网络对步骤1得到的归一化后的顺序访存堆栈距离分布与步骤2判断得到的不同的访问缺失事件间的映射关系进行拟合；步骤4，利用Qemu运行目标程序得到目标程序顺序执行流，将目标程序顺序执行流导入步骤1设计的堆栈距离算法提取目标程序堆栈距离分布；步骤5，将第4步获取的目标程序堆栈距离分布归一化后导入步骤3选取的BP人工神经网络，同时根据堆栈距离分布与不同的访问缺失事件间的映射关系预测目标程序在乱序处理器中的Cache访问缺失次数。