摘要
本发明公开了一种基于深度学习的微架构设计空间探索方法,包括:获取目标处理器微架构参数,构成设计空间,获取设计空间中不同设计点的性能指标,基于设计点划分关键模块;根据关键模块创建有向无环子图,利用图注意力网络构建预测模型获取有向无环子图中满足设计目标的参数最优解;将有向无环子图拼接为全局图获取关键模块的互连参数,引入联邦学习训练全局预测模型,基于全局图预测评估参数最优解的性能数据;当性能评估结果满足预设性能标准时,则输出所述目标处理器在各配置维度下的目标配置参数。本发明在图嵌入空间中进行微架构设计空间探索,为芯片设计提供决策支持,并采取不同设计阶段和设计模式相协同的思想提高设计效率及灵活度。
技术关键词
处理器微架构
构建预测模型
参数
节点
模块
初始聚类中心
启发式算法
邻居
贪心策略
学习算法
皮尔逊相关系数
构建训练集
标签
网络
检测误差
注意力机制
聚类算法
系统为您推荐了相关专利信息
编码向量
机器人作业区域
传送设备
运动协同控制
参数
检测数据分析系统
子模块
孤立森林算法
光流估计方法
天气
移动设备
接入装置
无线通信模块
凭证管理
数据接口
信号处理器
雷达接收机
多普勒滤波器组
FPGA芯片
匹配滤波器