| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 背景与意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容与设计指标 | 第14-15页 |
| 1.3.1 研究内容与主要工作 | 第14-15页 |
| 1.3.2 设计指标 | 第15页 |
| 1.4 论文组织 | 第15-17页 |
| 第二章 Cache原理及其建模方法简介 | 第17-31页 |
| 2.1 Cache的基本原理 | 第17-20页 |
| 2.1.1 Cache的可行性分析 | 第17-18页 |
| 2.1.2 Cache的存储层次设计 | 第18-20页 |
| 2.2 Cache的设计要素 | 第20-24页 |
| 2.3 基于堆栈距离的Cache建模方法 | 第24-27页 |
| 2.4 Cache访存行为预测模型 | 第27-30页 |
| 2.4.1 经典模型概述 | 第27页 |
| 2.4.2 期望堆栈距离理论 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 多核处理器共享级Cache建模分析 | 第31-39页 |
| 3.1 基于CPI的访存流交叉的共享级Cache模型 | 第31-34页 |
| 3.1.1 访存流交叉合并方法 | 第31-34页 |
| 3.1.2 访存流交叉对重用距离转换堆栈距离的影响 | 第34页 |
| 3.2 对CPI模型的预测误差分析 | 第34-37页 |
| 3.3 模型的优缺点分析与改进方法 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于神经网络的共享级Cache模型 | 第39-53页 |
| 4.1 对真实应用场景中多核存储结构的分析 | 第39-41页 |
| 4.2 神经网络模型的构建 | 第41-43页 |
| 4.2.1 建模难点分析与解决方案 | 第41-42页 |
| 4.2.2 人工神经网络简介 | 第42-43页 |
| 4.3 使用Gem5仿真器提取数据 | 第43-48页 |
| 4.3.1 Gem5仿真器简介 | 第43-44页 |
| 4.3.2 Gem5安卓系统的启动 | 第44-45页 |
| 4.3.3 访存流统计信息的提取方法 | 第45-48页 |
| 4.4 神经网络模型的实现 | 第48-51页 |
| 4.4.1 BP神经网络 | 第48-49页 |
| 4.4.2 神经网络参数设计 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 实验结果与分析 | 第53-61页 |
| 5.1 实验环境配置 | 第53-54页 |
| 5.2 模型精度分析 | 第54-60页 |
| 5.2.1 不同训练数据大小对模型精度的影响 | 第54-55页 |
| 5.2.2 神经网络模型的精度分析 | 第55-57页 |
| 5.2.3 神经网络模型的跨Benchmark预测精度 | 第57-58页 |
| 5.2.4 模型时间开销与全功能仿真时间开销对比 | 第58-60页 |
| 5.3 实验结果分析 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |
