[发明专利]基于人工神经网络的LRU Cache预取机制性能收益评估方法有效
| 申请号： | 201810283273.X | 申请日： | 2018-04-02 |
| 公开（公告）号： | CN108509723B | 公开（公告）日： | 2022-05-03 |
| 发明（设计）人： | 凌明;季柯丞;张凌峰;李宽;时龙兴 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06F30/392 | 分类号： | G06F30/392;G06F30/398;G06N3/04;G06N3/08 |
| 代理公司： | 苏州创元专利商标事务所有限公司 32103 | 代理人： | 范晴;丁浩秋 |
| 地址： | 214135 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于人工神经网络的LRU Cache预取机制性能收益评估方法，选取神经网络训练参数拟合预取机制引入前的访存堆栈距离分布与预取机制引入后的Cache访问缺失次数，构建神经网络模型；计算目标程序的目标堆栈距离分布；将计算得到的目标堆栈距离分布导入构建的神经网络模型，预测不同目标程序在当前预取机制下的Cache访问缺失次数；利用堆栈距离分布计算预取机制引入前的Cache访问缺失次数，将预测的当前预取机制下的Cache访问缺失次数与预取机制引入前的Cache访问缺失次数进行对比，评估预取机制性能收益。可大幅提升Cache预取机制性能收益的预测速度。 | ||
| 搜索关键词： | 基于 人工 神经网络 lru cache 机制 性能 收益 评估 方法 | ||
【主权项】：
1. 一种基于人工神经网络的LRU Cache预取机制性能收益评估方法，其特征在于，包括以下步骤：S01：选取神经网络训练参数拟合预取机制引入前的访存堆栈距离分布与预取机制引入后的Cache访问缺失次数，构建神经网络模型；S02：计算目标程序的目标堆栈距离分布；S03：将计算得到的目标堆栈距离分布导入构建的神经网络模型，预测不同目标程序在当前预取机制下的Cache访问缺失次数；S04：利用堆栈距离分布计算预取机制引入前的Cache访问缺失次数，将预测的当前预取机制下的Cache访问缺失次数与预取机制引入前的Cache访问缺失次数进行对比，评估预取机制性能收益。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810283273.X/，转载请声明来源钻瓜专利网。
