支持向量机（SVM）算法用于计算机CPU功耗管理.pdf

第 25卷 第 2期 电子设计工程 2017年 1月 Vo1．25 No．2 ElectronicDesignEngineering Jan．2017 支持向量机(SVM)算法用于计算机CPU功耗管理 廖 凯 1,2,3，周平强1,2,3 (1．中国科学院上海微系统与信息技术研究所 上海 200050；2．上海科技大学 上海 201210； 3．中国科学院大学 北京 100049) 摘要 ：基于减少 CPU功耗 的 目的，采用 了机器学习SVM算法为CPU的动态频率电压调节技术 (DVFS)制定决策模型，采用EDP(EnergyDelayProduct)作为最终优化指标。通过 GEM5和 McPAT 工具进行仿真实验 ．发现新建的模型按照执行程序不 同最多可以节省 20％的EDP。 关键词：DVFS；SVM；EDP；功耗管理 ；预测优化 中图分类号：TN409 文献标识码 ：A 文章编号 ：1674—6236(2017)02—0055—04 PowermanagementinCPU basedonSVM algorithm LIAO Kai， ．ZHOU Ping—qiang， (1．ShanghaiInstituteofMicrosystemandInformationTechnology，ChineseAcademyofSciences， Shnaghai200050，China；2．SchoolofInformationSciencenadTechnoloyg，ShnaghaiTech．University， Shanghai201210，China；3．UniversityofChineseAcademyofSciences，Beijing100049，China) Abstract：Powermanagementofprocessorisalwaysanimportantresearchfield．Inthispaper，wetake advantageofSuppo~VectorMachine (SVM)Algorithm inMachineLearningtotrainandgetthe decisionmodelforDynamicVohageandFrequencyScaling(DVFS)technology．WesettheEnerygDelay Product (EDP)asouroptimizationgoal，togetabettertrade-offbetweenenergyandperformance． Experimentresultshowsthatitcanreduceasmuchas20％ EDPwithdifferentapplications． Keywords：DVFS；SVM ；EDP；powermanagement；predictionandoptimization 随着集成电路 的发展 ，现代 CPU芯片集成度越 技术 ，研究如何优化 DVFS技术的执行策略。 来越高。性能飞速发展，伴随而来的是居高不下的功 1．1 DVFS与功耗 耗和散热成本 。单位面积的功耗太高已成为了CPU 在芯片设计中。功耗一直是备受关注的优化 目 性能突破的瓶颈。如何 降低 CPU芯片的功耗 ，成为 标之一。处理器的功耗计算有如下关系式 ， 了当前研究的重点。 尸Dl血+ = C V~+IV 其 中，是活动因子 (ActivityFactor)，C是 电路 1 CPU的低功耗技术——DVFS简介