TAGE Branch Predictor/分支预测

最新推荐文章于 2023-09-15 17:32:52 发布
VIP文章 最新推荐文章于 2023-09-15 17:32:52 发布
阅读量2k 收藏 9
点赞数 2
原文链接：http://www.cnblogs.com/chaobing/p/5662980.html
版权

源码链接：https://github.com/sjdesai16/tage

【摘要】：CBP2004上实现的简单TAGE分支预测器。TAGE集成了PPM和OGHEL两类分支预测的优势。使用PPM中的partial tage，OGHEL中的几何级数增长的全局历史长度。

  • OGEHL

 　　　　利用了跨度在100-200bits的全局历史信息，GEHL的预测表由独立的输入为global history和branch address的函数来索引，即index=func（global history，branch address）。最后的预测值基于各个表的预测位的和。索引各个预测表的历史长度成几何级数序列。

  • PPM like Tag based Predictor

　　　　非常接近TAGE预测器，两者区别在于update policy（更新预测表的策略）、TAGE周期性的重置useful bit，以及新entry的分配策略。

  • TAGE

最低0.47元/天 解锁文章
weixin_30898109
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分支预测器的代码以及文献
10-10
TAGE预测器的相关论文，涵盖了冠军分支预测器大赛的部分代码以及相关预测器的文献。
2020 第一周工作总结：TAGE分支预测器算法
weixin_41418994的博客
01-09 5353
TAGE分支预测是综合O-GEHL分支预测和PPM-like分支预测所设计的分支预测算法。 O-GEHL(Optimized GEometric History Length) branch prediction: 是在第一届CBP提出的算法，并且取得了最佳实践奖(best practice award)，64Kbits的O-GEHL预测器准确率比其他在第一届CBP提出的预测器更高或...
Tensorflow2.0 卷积神经网络可视化 （三）类激活热力图 （CAM，class activation map）
热门推荐
Forrest97的博客
05-03 1万+
在神经网络分别中，我们不仅想知道最终预测结果，还需要了解网络是凭借图像什么特征进行判断的。其中类激活热力图 (CAM，class activation map）就是一种很好的呈现方式。 目录标题类激活热力图 (CAM，class activation map）导入ImageNet VGG16网络加载任一图片构建多特征层输出模型应用Grad-CAM 算法绘制激活热力图前三类结果比较参考 类激活热力图...
吴恩达deep learning笔记第四课 卷积神经网络
qq_41708756的博客
08-13 3636
DL.ai笔记:第四课 卷积神经网络 第一周 卷积神经网络 1.1计算机视觉 当图片尺寸变大后，如1000X1000X3的输入， 如果用全连接网络，第一层隐藏层1000个神经单元，参数量为三百万，参数量会大大增加，不仅无法解决过拟合问题，并且内存也无法满足。 1.2边缘检测示例 用卷积运算实现垂直边缘检测，看数字矩阵下方的图，左边的红色圈出来的边缘通过卷积运算后明显的被识别出来了（右边红...
Oracle Trigger
cuichou1101的博客
12-18 1013
From : http://www.cnblogs.com/huyong/archive/2011/04/27/2030466.html本篇主要内容如下：8.1 触发器类型8.1.1 DML触发器8.1.2 替代触发器8.1....
泛型算法
iloveyaoge的专栏
12-06 645
<br />12.5.1 查找算法<br />13 个查找算法为判断容器中是否存在一个值提供了各种策略equal_range()<br />lower_bound()和upper_bound()三个算法提供了二分查找的形式它们指出了一个值应该被插<br />入在容器中的哪个位置同时保留容器的排列顺序这13 个算法是<br />adjacent_find(), binary_search(), count(), count_if(), equal_range(),<br />find(), find_end(
【CPU微架构】分支预测（二）常用分支预测算法
L小台风
08-05 2644
本文主要介绍常用分支预测算法
Fast Path-Based Neural Branch Prediction（2003 MICRO）
qq_40379102的博客
09-06 232
提出该预测器的原因：以往的神经分支预测器由于复杂计算导致访问延迟过高。 该预测器的优势：延迟远低于以前的神经预测器；预测准确率高于以前的预测器。 该预测器的特点：由于分支结果与路径历史和模式历史都具有强相关性，因此该预测器使用沿到该分支的路径动态选择的神经元（权重）来预测分支。 A Path-Based Neuran Predictor A. 基于感知器的预测器 变量符说明： ：所用历史长度； ：权重表项数； ：权重表； ：历史移位寄存器，其中每一项为taken或not_taken；
TAGE-SC-L预测器 “TAGE-SC-L Branch Predictors”（2016）
qq_40379102的博客
08-11 3114
TAGE-SC-L是将TAGE和简单的辅助预测器统计校正器（statistical corrector简称SC）和循环预测器（loop predictor简称L）相关联，比单个的TAGE更为有效。 存储预算 在32Kbits存储预算下，TAGE预测器使用大部分存储预算，只有非常有限的存储预算可以给辅助预测器。在CBP-4 trace下性能达到3.315MPKI。 在256Kbits存储预算下，可以实现具有TAGE预测器循环预测其LP和相当复杂的统计校正器SC。在CBP-4 trace下性能达到2.36
ITTAGE分支预测
最新发布
weixin_45171433的博客
09-15 281
ITTAGE算法
TAGE分支预测
weixin_45171433的博客
09-07 605
TAGE分支预测算法
L-TAGE.pdf
06-10
L-Tage预测器的原理和实现方法 The TAGE predictor, TAgged GEometric length predictor, was introduced in [10]. TAGE relies on several predictor tables indexed through independent functions of the global branch/path history and the branch address. The TAGE predictor uses (partially) tagged components as the PPM-like predictor [5]. It relies on (partial) match as the prediction computation function. TAGE also uses GEometric history length as the O-GEHL predictor [6], i.e. , the set of used global history lengths forms a geometric series, i.e.,   . This allows to efciently capture correlation on recent branch outcomes as well as on very old branches.
改进的基于O-GEHL预测技术的EDGE块预测器 (2012年)
05-10
块预测器赋予了EDGE体系结构高效的控制流推测能力。针对基于O-GEHL预测技术的块预测器的缺点，提出了两种改进策略：1) 无选择器的O-GEHL出口预测；2) 直接使用OGEHL预测器的二值预测能力单独对每个出口进行预测。性能评价结果表明，无选择器的O-GEHL出口预测方案比文献[4]中的O-GEHL块预测器性能平均提高0.7%；对8个出口分别使用二值O-GEHL预测器进行预测的方案，在硬件资源较多时，性能提高3%；只对前4个出口采用二值O-GEHL预测器的方案，性能平均提高2%。
TAGE-SC-L Branch Predictors.pdf
01-21
TAGE-SC-L Branch Predictors.pdf
传感网原理及应用_tage_zigbee温湿度_
10-01
该系统是基于zigbee网络的远程温湿度采集，协调器首先发送start命令，终端收到后开始采集温湿度数据，终端节点周期性地（1s）采集温湿度数据后能通过zigbee网络上传数据，协调器收到数据后能通过串口将数据传输到...
7-tage-inzidenz-image
04-17
# podman run -d --rm --name 7-tage-inzidenz -p 80:80 thkukuk/7-tage-inzidenz:latest 容器创建一个缓存。 当您重新启动容器时，这将丢失。 可以只显示当前的每日数字，但是对于具有历史记录的多日显示，数据应...
零碎
TZU807158184的博客
03-02 349
项目介绍 最近做的是天气风险管理系统，这是给各个保险公司做的一个风险管理模型。我们公司的整体架构是分布式的，分为大数据中心，微服务组，和业务层，我主要负责业务层的相关工作。系统采用SSM的架构，数据库用的是MySQL+mongo，缓存数据库用的是redis，系统之间的调用用dubbo实现，分布式锁用的是基于redis的分布式锁。消息机制用的是kafka。 线程池用的是newFixed...
【TAGE】分支预测
Alchemist2002的博客
04-04 3484
文章目录1. GEometric history length prediction2. The TAGE predictor2.1 prediction computation2.2 updating the TAGE predictor2.2.1 更新 useful counter *u*2.2.2 正确预测的更新2.2.3 整体预测错误时2.3 更新策略的原理3. 代码 论文地址：TAGE 1. GEometric history length prediction 预测器有M个不同的预测表 TiT_
CPU 分支预测探索与利用
fcsfcsfcs的博客
05-29 822
CPU 的分支预测是个有趣的性能优化点，在写代码层面、编译层面和汇编指令层面我们都可以介入指导分支预测做得更好，本文也将从这些角度来探索 CPU 分支预测，以达到更好的利用。 CPU 流水线 【参考维基百科 - Instruction pipelining：https://en.wikipedia.org/wiki/Instruction_pipelining】 CPU 流水线执行是一种在单处理器上实现多指令并行的技术。 CPU 一般的执行操作包含：获取指令、翻译指令、执行指令、内存访问、寄存器写入
(3)在sname目录内创建子目sage/ssex/saddress/sphone 在tname目录内创建子目录tage/tsex/taddress/tphon
06-01
2. 在tname目录内创建子目录tage/tsex/taddress/tphone： ``` cd ~/teacher/tname mkdir tage tsex taddress tphone ``` 其中，"cd"命令用于切换目录，"~"表示当前用户的主目录。第一条命令将当前目录切换到...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值