【摘要】：粗粒度可重構(gòu)架構(gòu)(Coarse-Grained Reconfigurable Architecture)因其在編程靈活性和能效間的良好折中,吸引著學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。本文重點(diǎn)研究粗粒度可重構(gòu)架構(gòu)設(shè)計(jì)空間探索時(shí)的功耗評(píng)估問(wèn)題,為粗粒度可重構(gòu)架構(gòu)構(gòu)建可用的系統(tǒng)級(jí)功耗模型。本文分別從體系結(jié)構(gòu)級(jí)、電路級(jí)和工藝級(jí)對(duì)粗粒度可重構(gòu)處理器的功耗建模問(wèn)題進(jìn)行了探索,提出了可根據(jù)體系結(jié)構(gòu)、電路實(shí)現(xiàn)方式和工藝節(jié)點(diǎn)靈活拓展的系統(tǒng)級(jí)功耗模型,從而可以在系統(tǒng)設(shè)計(jì)早期即考慮功耗的影響,為粗粒度可重構(gòu)架構(gòu)的設(shè)計(jì)優(yōu)化提供支持。論文首先根據(jù)經(jīng)典靜態(tài)發(fā)射與同步的粗粒度可重構(gòu)架構(gòu)的組成,提出將功耗來(lái)源劃分為存儲(chǔ)功耗和非存儲(chǔ)功耗,分別建立參數(shù)化的體系結(jié)構(gòu)級(jí)功耗模型。存儲(chǔ)器電路結(jié)構(gòu)規(guī)整,體系結(jié)構(gòu)參數(shù)明確。對(duì)于非存儲(chǔ)結(jié)構(gòu),內(nèi)部結(jié)構(gòu)未知的定制電路,采用門(mén)級(jí)電路仿真獲得單次訪(fǎng)問(wèn)能耗。其次,研究如何基于上述體系結(jié)構(gòu)參數(shù)對(duì)開(kāi)源功耗建模工具M(jìn)cPAT進(jìn)行修改。根據(jù)現(xiàn)有結(jié)構(gòu),去除McPAT中不匹配結(jié)構(gòu),增加粗粒度可重構(gòu)所需的模塊,并且驗(yàn)證新增模塊功耗模型的準(zhǔn)確性。接著,統(tǒng)計(jì)程序的運(yùn)行行為,提供功耗輸入文件的性能統(tǒng)計(jì)參數(shù)。統(tǒng)計(jì)程序運(yùn)行過(guò)程中的運(yùn)行周期數(shù)、指令數(shù)、訪(fǎng)問(wèn)基本處理單元(Processing Element,PE)的次數(shù)。最后,設(shè)計(jì)功耗對(duì)比實(shí)驗(yàn),將功耗模型的仿真結(jié)果與實(shí)際芯片測(cè)出的功耗比較,驗(yàn)證本文提出的功耗模型的合理性。實(shí)驗(yàn)結(jié)果顯示,當(dāng)粗粒度可重構(gòu)處理器只含一個(gè)PEA時(shí),仿真功耗和實(shí)測(cè)功耗的誤差為-21.58%。含有四個(gè)PEA時(shí),仿真功耗和實(shí)測(cè)功耗的誤差為-28.05%。本文誤差存在的原因是模型中未包括:(1)PE間互聯(lián)網(wǎng)絡(luò);(2)上下文存儲(chǔ)器。作為對(duì)比,選取的兩篇參考文獻(xiàn)的功耗仿真誤差分別為-22.61%和-20.25%,而本文提出的模型在加入互聯(lián)網(wǎng)絡(luò)和上下文存儲(chǔ)器的建模后,可以預(yù)期仿真精度能比擬上述兩個(gè)功耗模型。同時(shí),在目前的精度下,本文的系統(tǒng)級(jí)功耗模型已經(jīng)可以為CGRA的設(shè)計(jì)空間探索提供支持。本論文的成果已經(jīng)用于了后續(xù)的研究工作中。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP332
【圖文】：

器一般可分為通用處理器和專(zhuān)用處理器，前者如 Intel 的酷睿和至強(qiáng)如 Google 專(zhuān)為深度學(xué)習(xí)定制的 TPU[1](Tensor Processing Unit，張量處理器屬于指令驅(qū)動(dòng)的執(zhí)行方式，一條指令的執(zhí)行必須經(jīng)過(guò)特定的正的執(zhí)行操作只占其中很少的時(shí)間和功耗，因此其性能/功耗比不高器相對(duì)應(yīng)的是專(zhuān)用定制處理器，專(zhuān)用定制處理器很多具有數(shù)據(jù)流驅(qū)，根據(jù)特定應(yīng)用需求專(zhuān)門(mén)設(shè)計(jì)對(duì)應(yīng)的電路結(jié)構(gòu)，無(wú)需指令集支持，速度快，功耗低。但專(zhuān)用定制處理器的劣勢(shì)也很明顯：與通用處理靈活性和拓展性，無(wú)法滿(mǎn)足層出不窮的應(yīng)用需求；設(shè)計(jì)周期很長(zhǎng)，要承擔(dān)滯后市場(chǎng)的風(fēng)險(xiǎn)。工藝結(jié)點(diǎn)不斷縮小，進(jìn)入納米工藝后，高模成本，限制了全定制電路的廣泛使用[2]。構(gòu)處理器結(jié)合了指令驅(qū)動(dòng)處理器的靈活性和數(shù)據(jù)流驅(qū)動(dòng)處理器的高通用處理器和專(zhuān)用處理器的替代選擇[3]�？芍貥�(gòu)處理器的執(zhí)行采用流結(jié)合的計(jì)算方式，處理器在運(yùn)行時(shí)先執(zhí)行配置流，動(dòng)態(tài)重構(gòu)本次元陣列的功能，然后由數(shù)據(jù)流驅(qū)動(dòng)運(yùn)算單元執(zhí)行計(jì)算任務(wù)。Memory(context,data)

圖 2-2 Wattch 結(jié)構(gòu)圖Fig2-2 Wattch architectureleScalar 是 Todd Austin 開(kāi)發(fā)的用于建模處理器體系結(jié)構(gòu)的開(kāi)程序在某種特定體系結(jié)構(gòu)上的具體執(zhí)行過(guò)程，統(tǒng)計(jì)出具體的Wattch 上運(yùn)行測(cè)試程序時(shí)，Wattch 調(diào)用 SimpleScalar 的 si硬件性能模擬器，統(tǒng)計(jì)每個(gè)周期內(nèi)功能模塊的訪(fǎng)問(wèn)次數(shù)，結(jié)模型，計(jì)算出各個(gè)模塊和處理器的功耗。Watcch 模型支持參數(shù)，為用戶(hù)留出了可配置接口，如 Cache 的容量及 ban、分支預(yù)測(cè)器的工作方式等。h 功耗模型缺點(diǎn)有：(1)工藝參數(shù)固定，可以仿真的工藝水平 在先進(jìn)制程下的應(yīng)用。(2)只考慮了電路的動(dòng)態(tài)功耗，不符合分布。因此Wattch在現(xiàn)代工藝下的功耗仿真精度不能滿(mǎn)足lePower 是一個(gè)執(zhí)行驅(qū)動(dòng)和周期精確的 RTL 級(jí)功耗er 不僅可以統(tǒng)計(jì)出各個(gè)硬件模塊的訪(fǎng)問(wèn)頻率，還統(tǒng)計(jì)了模塊Power 為數(shù)據(jù)通路中的模塊建立功耗查找表，當(dāng)測(cè)試程序運(yùn)

圖 2-3 Power Timer 結(jié)構(gòu)圖Fig2-3 Power Timer architecturePowerTimer 的處理器參考模型是 IBM 的 PowerPC 系列處理器，使用 IBM能模擬器 Turado/MET。從圖中可以看出，PowerTimer 的輸入端不僅有體系結(jié)數(shù)和硬件資源的訪(fǎng)問(wèn)次數(shù)，還包括了工藝參數(shù)。其功耗模型共提供了不同層功耗仿真，功耗模型 RMAP(Research Microarchitecture Power Model )包括PAM(Common Power Analysis Methodology) 、 Legosim 、 ARPA(Array Ponalysis)。其中，CPAM 是一個(gè)晶體管級(jí)的功耗評(píng)估工具，可以提供一些與晶體關(guān)的功耗信息報(bào)告。Legaspi 是針對(duì) LegOS 的一個(gè)仿真工具，通過(guò)仿真實(shí)驗(yàn)化一些設(shè)計(jì)因素，如時(shí)鐘設(shè)計(jì)、時(shí)鐘器件類(lèi)型等。ARPA 是針對(duì)于自有的 SR構(gòu)的功耗仿真工具，限制了其仿真的通用性。PowerTimer 是一種系統(tǒng)級(jí)和門(mén)級(jí)相結(jié)合的功耗評(píng)估工具，在系統(tǒng)級(jí)框架中處理器的整體結(jié)構(gòu)，部分模塊內(nèi)部采用門(mén)級(jí)仿真功耗，因?yàn)榧尤肓烁?xì)致的電路模型，仿真結(jié)果較 Wattch 更為精確。此外，PowerTimer 加入了對(duì)工藝級(jí)仿真，拓展了在不同工藝結(jié)點(diǎn)上的應(yīng)用。但 PowerTimer 的局限在于只針對(duì)于

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 季愛(ài)明;沈海斌;嚴(yán)曉浪;;粗粒度可重構(gòu)結(jié)構(gòu)的性能估計(jì)方法[J];電路與系統(tǒng)學(xué)報(bào);2007年03期

2 李宏博;李占山;王濤;;改進(jìn)求解約束滿(mǎn)足問(wèn)題粗粒度弧相容算法[J];軟件學(xué)報(bào);2012年07期

3 郝杰;;一種包含異常處理的粗粒度切片方法[J];微電子學(xué)與計(jì)算機(jī);2012年07期

4 李u&;羅安坤;;基于粗粒度遺傳算法的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)[J];計(jì)算機(jī)工程;2008年13期

5 諶勇;許大丹;;基于角色的粗粒度權(quán)限控制框架設(shè)計(jì)與實(shí)現(xiàn)[J];華北水利水電學(xué)院學(xué)報(bào);2007年01期

6 李常青;唐世渭;李紅燕;;基于關(guān)聯(lián)分析的粗粒度級(jí)個(gè)性化信息挖掘[J];計(jì)算機(jī)科學(xué);2002年01期

7 ;采用多因素優(yōu)選法解決棕剛玉粗粒度砂輪冷爆廢品的試驗(yàn)小結(jié)[J];科技簡(jiǎn)報(bào);1975年03期

8 劉電霆;周德儉;;中小企業(yè)協(xié)同設(shè)計(jì)中基于不確定語(yǔ)言關(guān)聯(lián)的粗粒度任務(wù)規(guī)劃[J];制造業(yè)自動(dòng)化;2007年07期

9 霍麗娜;;基于粗粒度-主從式并行遺傳算法的換熱管最優(yōu)清洗路徑規(guī)劃[J];自動(dòng)化技術(shù)與應(yīng)用;2019年11期

10 柴玉梅;劉東昊;王黎明;;對(duì)象級(jí)粗粒度切片方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年03期

相關(guān)會(huì)議論文 前6條

1 羅安坤;李u&;;基于粗粒度模型遺傳算法的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)研究[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 王希誠(chéng);;粗粒度遺傳算法及其在優(yōu)化設(shè)計(jì)上的應(yīng)用[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2005論文摘要集（下）[C];2005年

3 李韜;孫志剛;;基于SoPC的粗粒度數(shù)據(jù)流網(wǎng)絡(luò)處理器原型設(shè)計(jì)[A];第五屆中國(guó)通信集成電路技術(shù)與應(yīng)用研討會(huì)會(huì)議文集[C];2007年

4 李祖德;占國(guó)強(qiáng);葉曉俊;;FG-RBAC:基于RBAC的FGAC模型實(shí)現(xiàn)[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2005年

5 吳云芳;溫珍珊;段慧明;俞士汶;;語(yǔ)料庫(kù)粗粒度詞義標(biāo)注[A];第六屆漢語(yǔ)詞匯語(yǔ)義學(xué)研討會(huì)論文集[C];2005年

6 時(shí)晨;喬永強(qiáng);;一種面向空間應(yīng)用的可重構(gòu)計(jì)算機(jī)體系結(jié)構(gòu)[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

相關(guān)重要報(bào)紙文章 前3條

1 薛斐;ESB：不可或缺的過(guò)客[N];中國(guó)計(jì)算機(jī)報(bào);2005年

2 侯闖 綜合編譯;部署SOA需慎重[N];計(jì)算機(jī)世界;2004年

3 邢小萍;Gartner發(fā)布BI未來(lái)五大預(yù)測(cè)[N];網(wǎng)絡(luò)世界;2009年

相關(guān)博士學(xué)位論文 前5條

1 沈劍良;應(yīng)用定制的粗粒度可重構(gòu)SoC設(shè)計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 岳]Z;粗粒度并行遺傳算法的計(jì)算性能及其應(yīng)用研究[D];華中科技大學(xué);2008年

3 李韜;粗粒度數(shù)據(jù)流網(wǎng)絡(luò)處理器設(shè)計(jì)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

4 田紅麗;可重構(gòu)計(jì)算系統(tǒng)芯片中的動(dòng)態(tài)數(shù)據(jù)調(diào)度模型及部件的研究[D];河北工業(yè)大學(xué);2011年

5 周理;高效可重構(gòu)陣列計(jì)算：體系結(jié)構(gòu)，設(shè)計(jì)方法與程序映射技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 周君宇;面向粗粒度可重構(gòu)架構(gòu)的程序設(shè)計(jì)模式研究[D];上海交通大學(xué);2016年

2 劉延濤;粗粒度可重構(gòu)處理器的訪(fǎng)存優(yōu)化算法研究[D];上海交通大學(xué);2018年

3 穆昌根;粗粒度可重構(gòu)處理器的系統(tǒng)級(jí)功耗建模[D];上海交通大學(xué);2018年

4 侯子健;粗粒度可重構(gòu)陣列的系統(tǒng)級(jí)功耗建模及優(yōu)化[D];上海交通大學(xué);2017年

5 何瑞祥;粗粒度可重構(gòu)計(jì)算系統(tǒng)映射與容錯(cuò)機(jī)制研究[D];安徽工程大學(xué);2018年

6 袁開(kāi)堅(jiān);基于粗粒度可重構(gòu)處理器的任務(wù)映射技術(shù)研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2018年

7 于瑞麗;面向圖處理的粗粒度多外存I/O管理策略[D];華中科技大學(xué);2018年

8 周光華;粗粒度可重構(gòu)體系結(jié)構(gòu)建模方法研究與實(shí)現(xiàn)[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

9 王攀;粗粒度分子動(dòng)力學(xué)—從力場(chǎng)的開(kāi)發(fā)到應(yīng)用[D];中國(guó)石油大學(xué)（華東）;2013年

10 劉東昊;對(duì)象級(jí)粗粒度切片方法研究[D];鄭州大學(xué);2011年

本文編號(hào)：2757409