研究论文

公共访问

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1-2

https://doi.org/10.1145/3349567.3351730

出版:2019年10月13日出版历史

PDF格式电子阅读器

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
1. 计算方法
  1. 机器学习
    1. 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。。。
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。。。
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。。。

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

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

限定符

研究文章

资金来源

国家科学基金会

会议

代码/ISSS’19

CODES/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

引用人

建议

使用二级缓存提高硬件数据预取性能

低能耗嵌入式系统的高度可配置缓存

一种高度可配置的嵌入式系统缓存体系结构

评论

发布于

出版商

出版历史

权限

检查更新

作者标记

限定符

资金来源

会议

接受率

其他指标

文章指标

其他指标

引用人

PDF格式

电子阅读器

登录选项

完全访问权限

摘要

工具书类

引用人

建议

使用二级缓存提高硬件数据预取性能

低能耗嵌入式系统的高度可配置缓存

一种高度可配置的嵌入式系统缓存体系结构

评论

问询处

发布于

出版商

出版历史

权限

检查更新

作者标记

限定符

资金来源

会议

接受率

贡献者

其他指标

文献计量学

文章指标

其他指标

引文

引用人

查看选项

PDF格式

电子阅读器

获取访问权限

登录选项

完全访问权限

数字

其他

分享

共享此出版物链接

在社交媒体上分享

附属公司