-
公开(公告)号：CN105955709A
公开(公告)日：2016-09-21
申请号：CN201610236148.4
申请日：2016-04-16
Applicant: 浙江大学
CPC classification number: G06F9/3814 , G06N99/005
Abstract: 本发明公开了一种基于机器学习的预取能效优化自适应装置及方法，本发明的结合机器学习的动态调整预取配置的方法，能够根据应用的特征最大化预取能效。具体如下：a、提取程序特征：通过硬件计数器提取应用程序在运行时的存储访问行为及预取相关行为信息，作为程序特征观测量；b、构建训练数据集：根据程序特征提取的结果，选择与预取能效最相关的特征及达到最大能效时预取的配置，作为一个有效数据；c、训练学习模型：给定程序的特征观测量及对应的最优预取配置作为模型的输入，采用机器学习的算法训练学习模型；d、动态预测预取配置：学习模型根据新的应用程序运行时收集程序特征观测量对程序进行分类，预测预取的配置最大化能效。
-
公开(公告)号：CN105955709B
公开(公告)日：2018-02-27
申请号：CN201610236148.4
申请日：2016-04-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于机器学习的预取能效优化自适应装置及方法，本发明的结合机器学习的动态调整预取配置的方法，能够根据应用的特征最大化预取能效。具体如下：a、提取程序特征：通过硬件计数器提取应用程序在运行时的存储访问行为及预取相关行为信息，作为程序特征观测量；b、构建训练数据集：根据程序特征提取的结果，选择与预取能效最相关的特征及达到最大能效时预取的配置，作为一个有效数据；c、训练学习模型：给定程序的特征观测量及对应的最优预取配置作为模型的输入，采用机器学习的算法训练学习模型；d、动态预测预取配置：学习模型根据新的应用程序运行时收集程序特征观测量对程序进行分类，预测预取的配置最大化能效。
-
Search Results
2
records
(took 0.017 seconds)
