| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 相关背景知识介绍 | 第14-26页 |
| 2.1 软硬件划分技术的研究现状 | 第14-16页 |
| 2.2 程序性能评估技术的研究现状 | 第16-20页 |
| 2.2.1 基于仿真的方法 | 第17-19页 |
| 2.2.2 基于分析模型的方法 | 第19-20页 |
| 2.3 程序性能评估领域中的程序分类方法 | 第20-21页 |
| 2.4 LLVM编译框架 | 第21-24页 |
| 2.4.1 LLVM简介 | 第21-22页 |
| 2.4.2 LLVM的profiling工具 | 第22-23页 |
| 2.4.3 LLVM的opt工具 | 第23-24页 |
| 2.4.4 LLVM的clang工具 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 程序性能评估技术中的程序分类方法 | 第26-40页 |
| 3.1 数据流为主和控制流为主程序分类方法 | 第26-31页 |
| 3.1.1 if指令比率方法 | 第26-27页 |
| 3.1.2 CFG权值方法 | 第27-28页 |
| 3.1.3 基于IR代码的程序分类方法 | 第28-31页 |
| 3.2 多维数组的cache访问时间评估 | 第31-36页 |
| 3.2.1 多维数组的cache问题 | 第31-33页 |
| 3.2.2 基于IR的针对多维数组的cache分类 | 第33-36页 |
| 3.3 基于IR层的程序分类方法的算法 | 第36-37页 |
| 3.4 本章小结 | 第37-40页 |
| 第4章 基于BP神经网络的IR层程序性能评估方法 | 第40-48页 |
| 4.1 构建BP神经网络模型的方法 | 第40-43页 |
| 4.2 训练和应用BP神经网络 | 第43-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第5章 实验结果与分析 | 第48-56页 |
| 5.1 实验环境 | 第48-49页 |
| 5.2 测试用例 | 第49页 |
| 5.3 实验结果及分析 | 第49-54页 |
| 5.3.1 面向所有类型程序训练通用评估模型 | 第50-51页 |
| 5.3.2 面向不同类型程序训练不同的评估模型 | 第51-53页 |
| 5.3.3 实验结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |