8、现代处理器验证:挑战与解决方案

现代处理器验证:挑战与解决方案

1. 处理器设计的发展与挑战

1.1 处理器设计特征对比

过去十年间,处理器设计发生了巨大变化。以下是2000 - 2008年部分处理器设计的特征对比:
| 年份 | 名称 | 技术(nm) | 晶体管数量(百万) | 芯片面积(mm²) | 核心数量 | 核心间通信介质 |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 2000 | Intel Pentium 4 Willamette | 180 | 42 | 217 | 1 | — |
| 2004 | Intel Pentium 4 Prescott | 90 | 125 | 109 | 1 | — |
| 2005 | IBM Cell | 90 | 234 | 221 | 9 | 总线 |
| 2005 | UltraSPARC T1 Niagara | 90 | 300 | 378 | 8 | 交叉开关 |
| 2006 | Intel Core 2 Merom | 65 | 291 | 143 | 2 | 总线 |
| 2007 | AMD Phenom X4 Agena | 65 | 463 | 285 | 4 | 总线 |
| 2007 | Intel Polaris 原型 | 65 | 100 | 275 | 80 | 二维网格 |
| 2007 | Tilera TILE64 | 90 | 615 | 430 | 64 | 二维网格 |
| 2008 | Intel Core i7 Bloomfield | 45 | 731

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同也在不少候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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