| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与设计指标 | 第12-13页 |
| 1.4 论文组织 | 第13-16页 |
| 第二章 分支预测器概述 | 第16-26页 |
| 2.1 分支预测器的发展过程 | 第16-18页 |
| 2.2 分支跳转方向的预测 | 第18-21页 |
| 2.2.1 Gshare分支预测器 | 第18-19页 |
| 2.2.2 Bimode分支预测器 | 第19-20页 |
| 2.2.3 Tournament分支预测器 | 第20-21页 |
| 2.3 分支目标地址的预测 | 第21-23页 |
| 2.3.1 返回地址栈 | 第21-22页 |
| 2.3.2 分支目标缓冲器 | 第22页 |
| 2.3.3 多目标缓存 | 第22-23页 |
| 2.4 流水线中分支预测的更新机制 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于Trace的分支预测仿真器 | 第26-52页 |
| 3.1 基于Gem5的分支指令流提取 | 第27-32页 |
| 3.1.1 Gem5环境搭建 | 第27-29页 |
| 3.1.2 指令执行过程 | 第29-31页 |
| 3.1.3 安卓应用分支Trace流的提取 | 第31-32页 |
| 3.2 分支预测仿真器搭建 | 第32-43页 |
| 3.2.1 2-bit饱和计数器 | 第33-34页 |
| 3.2.2 历史寄存器与模式历史表 | 第34页 |
| 3.2.3 分支目标缓冲器 | 第34-36页 |
| 3.2.4 多目标缓存 | 第36-37页 |
| 3.2.5 返回地址栈 | 第37页 |
| 3.2.6 Gshare仿真器 | 第37-39页 |
| 3.2.7 Bimode仿真器 | 第39-41页 |
| 3.2.8 Tournament仿真器 | 第41-43页 |
| 3.3 分支预测器缺失次数模型精度验证 | 第43-49页 |
| 3.3.1 SPEC CPU2000测试集交叉编译 | 第43-45页 |
| 3.3.2 预测精度对比 | 第45-47页 |
| 3.3.3 时间开销对比 | 第47-49页 |
| 3.4 基于Trace的仿真与解析模型的对比 | 第49-51页 |
| 3.4.1 基于熵的分支缺失次数模型 | 第49页 |
| 3.4.2 仿真精度对比 | 第49-50页 |
| 3.4.3 仿真时间对比 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于神经网络的分支确定时间模型 | 第52-76页 |
| 4.1 分支确定时间与其影响因素的相关性分析 | 第52-57页 |
| 4.2 分支确定时间及其影响因素的提取 | 第57-63页 |
| 4.2.1 平均分支确定时间的提取 | 第58-59页 |
| 4.2.2 关键路径长度分布的提取 | 第59-60页 |
| 4.2.3 指令混合比的提取 | 第60-61页 |
| 4.2.4 缓存缺失次数的提取 | 第61-62页 |
| 4.2.5 串行指令分布的提取 | 第62-63页 |
| 4.3 BP神经网络原理 | 第63-65页 |
| 4.4 神经网络的拓扑结构设计 | 第65-67页 |
| 4.5 模型精度验证 | 第67-71页 |
| 4.5.1 MobyBench测试集 | 第67-68页 |
| 4.5.2 K-means聚类算法 | 第68页 |
| 4.5.3 不同比例训练数据对神经网络模型精度的影响 | 第68-69页 |
| 4.5.4 典型Android应用在不同分支预测器配置下的模型精度 | 第69-71页 |
| 4.6 分支确定时间模型精度对比 | 第71-75页 |
| 4.6.1 与非线性拟合模型的精度对比 | 第72-73页 |
| 4.6.2 与精简假设模型的对比 | 第73-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第五章 分支预测器性能评估工具的设计 | 第76-86页 |
| 5.1 分支预测器性能评估工具的框架 | 第76-77页 |
| 5.2 分支预测器性能评估工具的实现 | 第77-83页 |
| 5.2.1 数据采集模块 | 第78-79页 |
| 5.2.2 聚类模块 | 第79-80页 |
| 5.2.3 神经网络训练模块 | 第80-81页 |
| 5.2.4 图形用户界面模块 | 第81-83页 |
| 5.3 分支预测器性能评估工具的执行流程 | 第83-85页 |
| 5.3.1 工具训练执行流程 | 第84页 |
| 5.3.2 工具使用执行流程 | 第84-85页 |
| 5.3.3 工具的应用场景 | 第85页 |
| 5.4 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 致谢 | 第88-90页 |
| 参考文献 | 第90-93页 |
