【技术实现步骤摘要】
本专利技术涉及处理器的功耗建模，具体涉及一种提升处理器功耗建模精度的方法、系统及介质。
技术介绍
1、建立高精度、低开销的处理器功耗模型对于计算机系统的功耗管理与功耗优化至关重要。功耗建模精度通常认为与两方面因素有关，一是模型选择，二是训练集构建。而通常更关注模型选择，而忽略了训练集分布特征对功耗精度的影响。训练集的数量和分布均匀性同时会影响精度，在处理器功耗模型构建中，在尽量保证样本数量足够多的前提下提高样本分布的均匀性，这是提升功耗建模精度的关键因素之一。目前大部分研究在处理器功耗建模中根据经验选取训练集，通常会导致处理器功耗建模精度不高的问题。
技术实现思路
1、本专利技术要解决的技术问题：针对处理器功耗模型精度受训练集数量和分布均匀性影响的现象，提出一种提升处理器功耗建模精度的方法、系统及介质，旨在弥补因样本点分布全局不均衡、局部冗余导致的处理器功耗模型精度下降的问题，达到提升处理器功耗建模精度的目标，同时降低处理器功耗建模开销。
2、为了解决上述技术问题，本专利技术采
【技术保护点】
1.一种提升处理器功耗建模精度的方法，其特征在于，包括：
2. 根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤S1中获取指定的N个程序的性能监控事件数据中，任意第k个程序的性能监控事件数据为大小为L × T的程序特征矩阵，其中L为性能监控事件数量，T为性能监控事件采集的时间长度，；程序特征矩阵中任意第行列元素表示在第时刻采集的第个性能监控事件的值，其中，。
3.根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤S2包括：将所有N个程序的性能监控事件数据与处理器功耗进行皮尔逊相关系数分析，选择皮尔逊相关系数最大...
【技术特征摘要】
1.一种提升处理器功耗建模精度的方法，其特征在于，包括：
2. 根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤s1中获取指定的n个程序的性能监控事件数据中，任意第k个程序的性能监控事件数据为大小为l × t的程序特征矩阵，其中l为性能监控事件数量，t为性能监控事件采集的时间长度，；程序特征矩阵中任意第行列元素表示在第时刻采集的第个性能监控事件的值，其中，。
3.根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤s2包括：将所有n个程序的性能监控事件数据与处理器功耗进行皮尔逊相关系数分析，选择皮尔逊相关系数最大的前l个性能监控事件作为程序的特征向量元素，构成这n个程序的、长度为l的特征向量。
4.根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤s4中将l维特征向量降维处理映射成l*维特征向量是指将l维特征空间通过主成分分析法降维处理得到l*维特征空间。
5.根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤s5中采用核心簇迭代生成方法生成m个核心簇的具体过程包括：
6.根据权利要求1所述的提升处理器功耗建模精度的方法，其特征在于，步骤s6中预设数量是指用...
【专利技术属性】
技术研发人员：陈娟，周柯杏，钟佳卿，李泽锴，冯绍骏，邓荣宇，曹羽晗，王蕊，喻湘，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。