22、面向设计空间探索的快速高级性能估计

面向设计空间探索的快速高级性能估计

在设计空间探索（DSE）中，快速且准确的性能估计至关重要。为了实现这一目标，人们提出了许多估计方法，这些方法通常基于三种抽象级别进行估计：源级别（高级）、中间级别和二进制级别（低级）。

1. 相关工作

许多估计方法旨在解决估计中的不同挑战，如准确性、速度和特定于应用程序。高级估计速度快且可重定向，但绝对性能数字的准确性较低；低级估计则通过更多目标架构知识提高准确性，但牺牲了模拟速度。以下是一些高级估计技术：
- 部分方法因编译器优化存在局限性，或依赖模拟进行估计。
- 有的方法提出了无需模拟的编译器辅助技术，但针对基于FPGA的处理器。
- 还有使用神经网络的分析方法进行高级软件性能估计，以及引入混合模拟方法测量内存访问延迟等。

2. 可重定向分析

可重定向分析是一种高级估计技术，分为分析和重定向两个阶段：
- 分析阶段 ：对系统规范进行插桩和模拟，收集基本块执行计数。通过静态分析计算每种数据类型执行的操作数量，并存储在规范特征表中，该表格式与处理元素（PE）的权重表相同，且每个应用程序的分析阶段仅执行一次。
- 重定向阶段 ：设计人员将行为映射到PE，通过将规范特征与PE权重表中的延迟值相乘来估计在所选PE上执行行为的性能。PE的总性能（E）通过矩阵乘法和求和计算：
[E = \sum_{OpType}\sum_{DataType}(FOpType.DataType \times WOpType.DataType)]
其中，(WOpType.DataType) 是权重（即时钟