研究论文公共访问 在上共享 将缓存配置预测卸载到FPGA以实现硬件加速和减少开销:工作-收益作者:鲁本 巴斯克斯,安 戈登·罗斯,格雷格 斯蒂特作者信息和声明CODES/ISSS’19:硬件/软件协同设计和系统综合指南国际会议记录条款编号:11,页码1-2https://doi.org/10.1145/3349567.3351730出版:2019年10月13日 出版历史 获取引文提醒新增引文提醒!此警报已成功添加,将发送到:只要您选择的记录被引用,您就会收到通知。新引文提醒!拜托登录到您的帐户 PDF格式电子阅读器目录CODES/ISSS’19:硬件/软件协同设计和系统综合指南国际会议记录将缓存配置预测卸载到FPGA,以提高硬件速度并减少开销:工作-收益页1-2以前的文章空间共享FPGA多任务处理的设计空间探索上一个下一篇文章上下文自适应嵌入式系统设计空间探索案例下一步摘要工具书类信息和贡献者文献计量学和引文视图选项工具书类媒体桌子分享摘要在本文中,我们提出了将缓存配置预测方法卸载到FPGA以提高性能和减少硬件开销,同时将缓存配置预计保持在5%以内最优的指令和数据缓存的应用程序阶段的能量缓存配置。工具书类[1]M.Abadi、P.Barham、J.Chen、Z.Chen、A.Davis、J Dean、M.Devin、S.Ghemawat、G.Irving、M.Isard、M.Kudlur、J Levenberg、R.Monga、S.Moore、D.G.Murray、B.Steiner、P.Tucker、V.Vasudevan、P.Warden、M.Wicke、Y.Yu和X.Zheng,《张力流:大规模机器学习系统》,年第十二届USENIX操作系统设计与实现研讨会(OSDI 16), 2016谷歌学者[2]arXiv:1807.05317[cs.LG]。谷歌学者[3]B.Dutta、V.Adhinarayanan和W.Feng。2018年,通过集成机器学习进行DVFS空间探索的GPU功率预测。在第15届ACM国际计算前沿会议(CF'18)的会议记录中。ACM,美国纽约州纽约市,240-243。谷歌学者[4]EEMBC。嵌入式微处理器基准联盟http://www.eembc.org/benchmark/automotive_sl.php2013年9月谷歌学者[5]V.Gokhale、J.Jin、A.Dundar、B.Martini和E.Culurciello,“深度神经网络240 G-ops/s移动协处理器”2014年IEEE计算机视觉和模式识别研讨会,俄亥俄州哥伦布,2014年,第696--701页。谷歌学者[6]A.Gordon-Ross、F.Vahid和N.Dutt,“使用统一的二级缓存快速调整可配置的缓存,”2005年ISLPED。2005年低功耗电子与设计国际研讨会论文集,2005年。加州圣地亚哥,2005年,第323--326页。数字图书馆谷歌学者[7]M.R.Guthaus、J.S.Ringenberg、D.Ernst、T.M.Austin、T.Mudge和R.B.Brown。2001.MiBench:一个免费的、具有商业代表性的嵌入式基准套件。在《工作负荷表征程序》(Proceedings of the Workload Characterization)中,2001年。WWC-4。2001年IEEE国际研讨会(WWC’01)。IEEE计算机协会,美国华盛顿特区,3-14。谷歌学者[8]S.Khakheng和C.Chantrapornchai,“关于使用神经网络找到合适的缓存预测模型,”2016年第八届国际知识与智能技术大会(KST)《清迈》,2016年,第146-151页。谷歌学者[9]N.D.车道等。,“DeepX:移动设备上低功耗深度学习推断的软件加速器”2016年第15届ACM/IEEE传感器网络信息处理国际会议(IPSN),维也纳,2016年,第1-12页。谷歌学者[10]“Perf事件教程,”http://perf.wiki.kernel.org/, 2012.谷歌学者 引用人查看全部古普塔D班萨尔A考尔JWadehra S公司(2023)支持人工智能的内容缓存用于车辆网络中的能量优化第五届信息管理与机器智能国际会议论文集10.1145/3647444.3647847(1-4)在线发布日期:2023年11月23日https://dl.acm.org/doi/10.1145/3647444.3647847王S陈H王毅(2022)以内容为中心的物联网中用于能量优化的协作缓存IEEE计算社会系统汇刊10.1109/TCSS.2021.30871979:1(230-238)网上发布日期:2022年2月https://doi.org/10.1109/TCSS.2021.3087197 将缓存配置预测卸载到FPGA以实现硬件加速和减少开销:工作-收益计算方法机器学习机器学习方法 建议 使用二级缓存提高硬件数据预取性能 减少或容忍大内存延迟的技术对于实现高处理器性能至关重要。硬件数据预取是研究最深入的解决方案之一,但它基本上应用于一级缓存,在那里它可以。。。阅读更多信息低能耗嵌入式系统的高度可配置缓存 在许多嵌入式计算系统中,能耗是一个主要问题。几项研究表明,缓存内存约占这些系统总能耗的50%。给定缓存体系结构的性能取决于。。。阅读更多信息一种高度可配置的嵌入式系统缓存体系结构ISCA’03:第30届计算机体系结构国际年会会议记录 在许多嵌入式计算系统中,能源消耗是一个主要问题。几项研究表明,缓存内存约占这些系统总能耗的50%。给定缓存体系结构的性能在很大程度上。。。阅读更多信息 评论 Please enable JavaScript to view thecomments powered by Disqus. 信息和贡献者问询处发布于 CODES/ISSS’19:硬件/软件代码设计和系统综合国际会议论文集2019年10月64页国际标准图书编号:9781450369237内政部:10.1145/3349567 版权所有©2019 ACM。如果复制品不是为了盈利或商业利益而制作或分发的,并且复制品的第一页载有本通知和完整引文,则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布,在服务器上发布或重新发布到列表,需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]出版商计算机协会美国纽约州纽约市出版历史出版:2019年10月13日权限请求对此文章的权限。请求权限检查更新作者标记FPGA(现场可编程门阵列)人工神经网络隐藏物可配置的机器学习移动设备相位限定符研究文章资金来源国家科学基金会会议代码/ISSS’19CODES/ISSS’19:硬件/软件协同设计和系统综合国际会议2019年10月13日至18日纽约州纽约市 接受率864份提交文件的总体接受率280,32% 贡献者 其他指标查看文章指标文献计量学和引文文献计量学 文章指标 2引文总数查看引文215总下载次数下载次数(过去12个月)38下载次数(最近6周)8反映截至2024年9月19日的下载量 其他指标查看作者指标引文 引用人查看全部古普塔D班萨尔A考尔JWadehra S公司(2023)支持人工智能的内容缓存用于车辆网络中的能量优化第五届信息管理与机器智能国际会议论文集10.1145/3647444.3647847(1-4)在线发布日期:2023年11月23日https://dl.acm.org/doi/10.1145/3647444.3647847王S陈H王毅(2022)以内容为中心的物联网中用于能量优化的协作缓存IEEE计算社会系统汇刊10.1109/TCSS.2021.30871979:1(230-238)在线发布日期:2022年2月https://doi.org/10.1109/TCSS.2021.3087197 视图选项查看选项 PDF格式以PDF文件查看或下载。PDF格式 电子阅读器使用联机查看电子阅读器.电子阅读器获取访问权限 登录选项检查您是否可以通过登录凭据或您的机构访问本文。登录完全访问权限获取此出版物 媒体数字其他桌子分享分享共享此出版物链接复制链接已复制!复制失败。在社交媒体上分享LinkedIn链接重新编辑电子邮件附属公司鲁本 巴斯克斯佛罗里达大学查看个人资料安 戈登·罗斯佛罗里达大学查看个人资料格雷格 斯蒂特佛罗里达大学查看个人资料