Key points are not available for this paper at this time.
Aktuelle softwarebasierte Mikrosimulatoren sind um viele Größenordnungen langsamer als die Hardware, die sie simulieren. Daher ziehen die meisten Entwurfsstudien zur Mikroarchitektur ihre Schlussfolgerungen aus drastisch verkürzten Benchmark-Simulationen, die oft ungenau und irreführend sind. Dieses Papier präsentiert den Sampling Microarchitecture Simulation (SMARTS) Rahmen als Ansatz zur Erzielung schneller und genauer Leistungsbewertungen von vollständigen Benchmarks. SMARTS beschleunigt die Simulation, indem es nur einen geeigneten Benchmark-Untergruppe detailliert misst. SMARTS legt ein statistisch fundiertes Verfahren zur Konfiguration eines systematischen Sampling-Simulationslaufs fest, um eine wünschenswerte quantifizierbare Zuverlässigkeit in den Schätzungen zu erreichen. Die Analyse von 41 der 45 möglichen SPEC2K Benchmark-/Eingabekombinationen zeigt, dass CPI und Energie pro Instruktion (EPI) auf ±3% mit 99,7% Vertrauen geschätzt werden können, indem weniger als 50 Millionen Instruktionen pro Benchmark gemessen werden. In der Praxis führt Ungenauigkeit bei der Initialisierung des mikrotechnischen Zustands zu einer zusätzlichen Unsicherheit, die wir empirisch auf ∼2% für die getesteten Benchmarks beschränken. Unsere Implementierung von SMARTS erreicht einen tatsächlichen durchschnittlichen Fehler von nur 0,64% bei CPI und 0,59% bei EPI für die getesteten Benchmarks, die mit durchschnittlichen Beschleunigungen von 35 bzw. 60 gegenüber der detaillierten Simulation von 8-Wege- und 16-Wege-Out-of-Order-Prozessoren ausgeführt werden.
Wunderlich et al. (Mi,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: