[发明专利]超标量乱序处理器稳定状态指令吞吐率建模方法

权利要求书

1.一种超标量乱序处理器稳定状态指令吞吐率建模方法，其特征在于，包括以下步骤：

S01：获取每个统计阶段与稳态平均吞吐率相关的微架构无关参数，所述微架构无关参数至少包括依赖链路延迟分布；

步骤S01中依赖链路延迟分布的获得，包括：

S11：通过定义指令依赖链路的结构体，确定每条指令进入指令窗口时其自身和窗口内其他指令的依赖关系，并统计依赖链路长度的大小；

S12：通过定义指令类型的结构体，记录每条指令的类型，同时根据指令的类型获得指令执行所需要的时间；

S13：统计得到依赖链路延迟分布；

S02：利用聚类算法进行分类，选取得到神经网络的训练集；

S03：将所选取的神经网络的训练集中的微架构无关参数作为神经网络的输入，将通过时序精确仿真获得对应训练集的线程稳态指令吞吐率作为神经网络的输出，对神经网络的输入和输出进行拟合，通过调节神经网络的迭代次数、网络拓扑结构、传递函数以及预设训练精度，训练得到给定硬件的稳态指令吞吐率神经网络模型。

2.根据权利要求1所述的超标量乱序处理器稳定状态指令吞吐率建模方法，其特征在于，所述微架构无关参数还包括动态指令流混合比、目标线程的运行总时间以及运行的总指令数目。

3.根据权利要求1所述的超标量乱序处理器稳定状态指令吞吐率建模方法，其特征在于，步骤S01之前还包括，选取固定时间片段长度，每隔一个时间片段对程序执行流（Trace）进行片段切割，将整个目标程序执行流划分为若干片段，针对每个程序片段收集相应的数据集，将每个程序片段作为一个统计阶段。

4.根据权利要求1所述的超标量乱序处理器稳定状态指令吞吐率建模方法，其特征在于，步骤S02之前还包括，对每个片段的相关微架构无关参数进行预处理，形成对应片段的相关微架构无关参数向量；通过数据降维算法对相关微架构无关参数向量进行降维、去噪处理，形成对应片段的微结构无关数据集。

5.根据权利要求4所述的超标量乱序处理器稳定状态指令吞吐率建模方法，其特征在于，还包括，

将包含统计阶段所有特征向量的数据集分成多个大类；

针对每一个大类，使用k-均值聚类算法将大类分成一定比例的小类；

选取每个小类中离中心点距离最近的点作为一个特征向量。