【体系结构】转移预测器性能的定量评价
2013-07-26 19:25
176 查看
几种预测器的设计参见前一篇博文(这里)
实验中使用gcc.log,compress.log,craft.log,gzip.log,mcf.log,parser.log,vpr.log 7个测试数据,实验结果如下:
仿照书中的例子,绘制三种预测器不正确率的结果:
实验结果很明显看到Tournament预测器取得了更好的预测结构。但另一方面,在同样空间的限制下,使用相关分支预测信息的[10,2]关联预测器反而没有简单的局部历史表预测效果好。事实上,分支历史表可以看做[1,2]关联预测器。分析可能是推论的分支信息过多,减少相关分支数目可能会提高预测准确率。于是,实验中尝试了[2,2],[4,2],[6,2],[8,2](对应的地址分别为12,10,8,6bit,空间均为32K),结果如下:
可以看到使用[4,2]相关分支预测器平均准确率最高。而过度增加相关分支数量,可能会降低预测准确率。
定量评价几种预测器的预测准确率
转移预测的分析和评测过程主要基于给定的指令序列踪迹。输入的文本文件将给出指令序列踪迹,该文件包含N行,每一行包括三个数据,分别为当前指令PC、下一指令PC、当前指令类型(0代表转移指令,1代表其它指令),下面是一个具体的范例:0x0EA31410 0x0EA31414 1 0x0EA31414 0x0EA31470 0 0x0EA31470 0x0EA31474 1 0x0EA31474 0x0EA31478 0 0x0EA31478 0x0EA3147C 1
实验中使用gcc.log,compress.log,craft.log,gzip.log,mcf.log,parser.log,vpr.log 7个测试数据,实验结果如下:
仿照书中的例子,绘制三种预测器不正确率的结果:
实验结果很明显看到Tournament预测器取得了更好的预测结构。但另一方面,在同样空间的限制下,使用相关分支预测信息的[10,2]关联预测器反而没有简单的局部历史表预测效果好。事实上,分支历史表可以看做[1,2]关联预测器。分析可能是推论的分支信息过多,减少相关分支数目可能会提高预测准确率。于是,实验中尝试了[2,2],[4,2],[6,2],[8,2](对应的地址分别为12,10,8,6bit,空间均为32K),结果如下:
可以看到使用[4,2]相关分支预测器平均准确率最高。而过度增加相关分支数量,可能会降低预测准确率。
实验结论
2bit分支历史表预测器可以提供较好的分支预测准确率。适当利用全局信息,使用相关分支预测技术,也可以提高预测分支准确率。Tournament预测器通过结合局部信息和全局历史信息,在同样空间的情况下,平均预测准确率最高。(转载请注明作者和出处:http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途)
相关文章推荐
- 【体系结构】转移预测器性能的定量评价
- 【体系结构】转移预测器性能的定量评价
- 【体系结构】转移预测器设计与比较
- 【体系结构】转移预测器设计与比较1
- 【体系结构】转移预测器设计与比较
- K近邻回归模型对Boston房价进行预测,同时对性能进行评估(1.使用普通的算术平均法2.考虑距离差异进行加权平均)
- 如何理解和评价机器学习中的表达能力、训练难度和泛化性能
- 模式识别:分类器的性能评价
- 性能优化:使用ramlog将日志文件转移到内存中
- 信息检索:对搜索引擎性能的评价指标的小作业---pooling方法以及MAP value的计算
- 系统分析员考试复习笔记-6:第六章:系统的配置与性能评价
- 遥感分类精度评价与多类分类性能评价
- Intel现有移动版CPU介绍和性能评价
- 二分类模型性能评价(R语言,logistic回归,ROC曲线,lift曲线,lorenz曲线)
- 图像分割性能评价
- python中使用超参数估计法结合特征筛选的方法提升决策树的预测性能
- “云移杯- 景区口碑评价分值预测-文本情感词分析
- 【Scikit-Learn 中文文档】预测延迟 / 预测吞吐量 / 技巧和窍门 - 计算性能 - 用户指南 | ApacheCN
- LoadRunner,是一种预测系统行为和性能的负载测试工具
- 【Scikit-Learn 中文文档】预测延迟 / 预测吞吐量 / 技巧和窍门 - 计算性能 - 用户指南 | ApacheCN