【论文导读】Target Prediction for Indirect Jumps

最新推荐文章于 2024-06-21 23:40:44 发布
原创 最新推荐文章于 2024-06-21 23:40:44 发布 · 529 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博客介绍了分支按照跳转类型和分支地址类型的分类，包括条件与无条件跳转、直接与间接跳转。还提到常见的BTB索引在面向对象语言多态特性下的不适用，引出专门用于间接跳转的目标预测。阐述了Target Cache的访问方式和结构，最后给出在Perl程序上的运行结果。

分支(branch) 按照跳转类型分为

  • 条件conditional 跳转
  • 无条件 unconditional跳转
    按照分支地址的类型分为:
  • 直接跳转分支 direct branch 在指令中包含分支地址，因此只能跳转到特定的地址
  • 间接跳转分支 undirect branch 是通过读取内存中的内容进行跳转， 这时内存中的内容是任意的，因此可以跳转到任意的地址

常见的BTB是通过Program Pointer进行索引，PC经过hash之后，对应到特定唯一的Branch Target中。

在面向对象语言的多态的特性中，我们在使用父类指针指向派生类对象中实现的虚函数。由于派生类可以包含各个类型，这样实际上跳转的地址的潜在的个数就是派生类个个数。这样早先的BTB这样一对一的索引就不适用了。因此该Paper提出了专门用于Indirect Jump的Target Prediction。

SPECint95(Paper是1997年的)中indirect jump的个数如下图所示：
在这里插入图片描述
Paper所实现的Target Cache可以理解为使用分支地址与历史信息进行Hash，使用得到的结果，索引Target Cache。
该结构包含以下两个维度：

最低0.47元/天 解锁文章
TargetNet: Functional microRNA Target Prediction with Deep Neural Networks
zpj1997的博客
01-06 2596
出发点： MicroRNAs (miRNAs)通过与信使RNA(mRNA)的靶位点结合，在基因表达调控中发挥关键作用。因此识别miRNA的功能靶点至关重要，但是这个预测是一个巨大的挑战。以前的计算算法存在很大局限性，使用保守的候选目标位点（CTS）选择标准，主要侧重规范位点类型，依赖费力且耗时的人工特征提取，没有充分利用miRNA-CTS相互作用的基础信息。 结果 本文章，作者提出了一种新的基于深度学习的功能性miRNA目标预测算法TargetNet。 TargeNet有三个关键组成部分： （1）放宽CTS
Direct vs Indirect Branching
maxzcl的博客
01-30 1194
【代码】Direct vs Indirect Branching。
在SwissTargetsPrediction数据库中预测成分靶点
基博的博客
05-14 2万+
利用SwissTargetsPrediction数据库进行成分靶点收集
追寻计算世界的指引：探索Indirect jump的奥秘
m0_72410588的博客
08-09 378
Indirect jump是一种跳转指令，它允许程序在执行过程中动态地决定下一条要执行的指令。与直接跳转指令不同，Indirect jump并不直接指定跳转目标的地址，而是通过一个存储在寄存器或内存中的地址来确定跳转目标。这种灵活性使得Indirect jump在处理函数指针、跳表以及虚函数表等场景中得到广泛应用。通过本文的介绍，我们详细了解了Indirect jump的概念、实现方式、应用场景以及性能优化策略。
LWN：Intel CPU的间接跳转保护功能！
Linux News搬运工
05-11 1179
关注了就能看到更多这么棒的文章哦～Indirect branch tracking for Intel CPUsBy Jonathan CorbetMarch 31, 2022DeepL assisted translationhttps://lwn.net/Articles/889475/"Control-flow integrity"（CFI）是一套旨在防止攻击者改动...
针对间接分支的比特级感知预测器BLBP “Bit-level Perceptron Prediction for Indirect Branches”（2019 ISCA）
qq_40379102的博客
08-12 1520
间接分支预测器：ITTAGE[3]、基于VPC的分支预测器、call/return 堆栈预测过程返回目标地址[2]。 背景：面向对象编程中存在许多间接分支指令。多态性（polymorphism）使用通过间接分支实现的动态分派函数调用来支持动态子类型，间接分支在虚函数调用中是必要的。大约28%的分支误预测是来自间接分支[1]。 除了虚函数调用， 间接分支在switch-case语句、跳转表、函数指针调用、过程返回和接口调用中也广泛使用。其本质上比条件分支（conditional branch）更难预.
论文阅读 | Dual Contrastive Prediction for Incomplete Multi-view Representation Learning
Frankie0910314的博客
06-21 1279
彭玺团队的一篇发表于PAMI上的文章，附源码。
论文笔记：RCLane: Relay Chain Prediction for Lane Detection
yiyexy的博客
01-08 2191
该篇论文的核心创新点在于head。论文根据车道线既需要局部信息，也需要全局信息才能很好拟合的特性，设计了相应的算法head。并且论文实验证明该方法在各大公开数据集上均取得了sota。作者称这种方法为延迟链车道线检测方法（RCLane）。该方法通过记录每个点到前后两个点的距离，从而把握车道线的局部信息；再通过监督车道线的两端的端点，整体把握车道线的长度。
[论文笔记] SurroundOcc: Multi-Camera 3D Occupancy Prediction for Autonomous Driving
zhwangye的博客
10-20 1539
SurroundOcc, Occ稠密标签生成
Target models for range performance prediction of infrared imaging system
02-10
This paper describes a commonly used target model and two improved models for range performance prediction of infrared imaging system in an original explicit way. We conclude the basic assumptions of ...
微机原理--控制转移指令
weixin_42638401的博客
11-02 9020
转移指令 1.JMP（unconditional jump）无条件转移 程序转移到目的操作数指定的地址执行，不需要满足任何条件. 操作数可以是标号、立即数，也可以是寄存器操作数或存储器操作数 Short jump 段内直接短转移 Near jump 段内直接近转移 Far jump 段间转移 Indirect jump 间接转移（段内、段间）...
Intel X86 优化指南阅读笔记--前端优化
yan31415的博客
10-10 1673
PROCESSOR PERSPECTIVES 以下优化建议，在不同微架构下收益差别较大： 指令译码的吞吐量很重要。利用好decoded ICache，Loop Stream Detector和macro-fusion能进一步提高CPU前端性能。充分利用好4个译码器来产生代码。利用...
分支预测器（Branch Predictor） 汇总介绍
热门推荐
AddyLee的专栏
04-03 4万+
当包含流水线技术的处理器处理分支指令时就会遇到一个问题，根据判定条件的真/假的不同，有可能会产生转跳，而这会打断流水线中指令的处理，因为处理器无法确定该指令的下一条指令，直到分支执行完毕。流水线越长，处理器等待的时间便越长，因为它必须等待分支指令处理完毕，才能确定下一条进入流水线的指令。 　　分支预测技术便是为解决这一问题而出现的。 　　分支预测技术包含编译时进行的静态分支预测和硬件在
qemu tcg系列-概览
faxiang1230的专栏
01-27 1万+
QEMU TCG linux-user翻译过程浅析。target->IR->host翻译过程
汇编语言--指令系统整理总结
06-30 938
[数据传送指令]一、通用数据传送指令1、传送指令 MOV (move)指令的汇编格式：MOV DST,SRC 指令的基本功能：(DST)指令支持的寻址方式：目的操作数和源操作数不能同时用存储器寻址方式，这个限制适用于所有指令。指令的执行对标志位的影响：不影响标志位。指令的特殊要求：目的操作数DST和源操作数SRC不允许同时为段寄存器；      
Vision transformers for dense prediction论文
最新发布
03-20
### 关于Vision Transformers用于密集预测的研究 近年来，Vision Transformers (ViTs) 已经成为计算机视觉领域的重要研究方向之一。相比于传统的卷积神经网络（CNNs），ViTs通过自注意力机制能够更好地捕捉全局特征[^1]。 #### Unifying Top-down and Bottom-up Scanpath Prediction Using Transformers 一篇重要的工作是《Unifying Top-down and Bottom-up Scanpath Prediction Using Transformers》，它探讨了如何结合自上而下和自下而上的扫描路径预测方法来提升模型的表现力。虽然这篇论文主要关注的是注视点预测问题，但它展示了Transformer架构在处理复杂空间关系方面的潜力。 #### Multi-scale Vision LongFormer 另一篇值得关注的文章是由Pengchuan Zhang等人提出的《Multi-scale Vision LongFormer: A New Vision Transformer for High-resolution Image Encoding》[^2]。这篇文章介绍了一种新的多尺度长距离注意机制，使得Vision Transformer能够在高分辨率图像编码任务中取得优异成绩。这种设计特别适合需要精细局部信息的任务，比如语义分割或目标检测。 #### Pyramid Vision Transformer 此外，《Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction Without Convolutions》[^3] 提出了金字塔结构的Vision Transformer作为通用背景网络应用于多种下游任务，包括但不限于分类、检测以及像素级预测等场景。此框架摒弃了传统基于卷积的操作方式，在保持竞争力的同时简化了计算流程并降低了参数量需求。 #### Dense Visual Transformer Architecture 最后，《Dense Visual Transformer Architecture》[^4] 描述了一个全新的密集型视觉转换器设计方案。该方案将不同层次下的token重新排列形成类似于图片形式的数据表达，并借助卷积解码层逐步恢复至原始尺寸完成最终输出。实验证明这种方法可以在存在充足训练样本的情况下显著改善各类密集型预测作业的效果；特别是在单一视角深度估计方面达到了超越当前最优水平约28% 的相对增益。 综上所述，上述提到的几项研究成果均围绕着如何有效利用Transformers解决实际应用中的稠密预测挑战展开讨论，并各自提出了创新性的解决方案和技术思路。 ```python # 示例代码展示如何加载预训练好的Vision Transformer模型 from transformers import ViTModel model = ViTModel.from_pretrained('google/vit-base-patch16-224') print(model) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值