TAGE预测器 “A case for (partially) TAgged GEometric history length branch prediction”

结构特点

使用几何级数的历史长度和部分标记。
T0是基础预测器，2-bit 计数器表，Ti由3-bit计数器（pred）、2-bit u、tag-bit组成。
USE_ALT_ON_NA：在部分程序中，对新分配的项使用altpred预测更有效，使用该4-bit计数器在全局上动态监测这一特性。
若一项的预测计数器是弱的则认为它是新分配的。

预测

如果预测计数器不是弱的或者USE_ALT_ON_NA是无效的，则采用正常最长匹配的组件进行预测，否则使用altpred。

预测器更新

Provider component：历史最长的匹配组件；
Alternate predictor（altpred）：例如如果T2和T4的tag都匹配，则T2为altpred。
更新u-bit：当altpred不同于最终预测时，更新provider component的u-bit，实际预测正确时递增否则递减（即最终预测采用的是provider的预测，因此要更新provider的u-bit ）。此外，需周期性重置u-bit（作为age counter），以避免一些项被一直标记为有效，最高位列全部置为0，一段时间后，最低位列全部置为0（文中周期是每256K个分支）。
USE_ALT_ON_NA：部分程序中使用altpred预测更为有效。
周期性重置u-bit：先重置整列最高位，经过一段时间再重置最低位，以防止使用率不高的项一直保存再预测器中。
更新预测计数器：提供预测的组件的预测计数器被更新。
分配新项：预测错误时需分配新项；如果provider component Ti不是使用最长历史长度的，则选择在一个Tk（k>M）上分配新项。读取所有Tj(i<j<M)的u-bit，如果存在某个Tk的u-bit=0，则分配新项给组件Tk，否则将Tj的u-bit全部递减，不分配新项。新项初始化为预测计数器为弱相关，u-bit 初始化为0。

分支历史管理：TAGE依赖于使用非常长的全局分支历史（几百位），全局分支历史和路径历史是推测性更新的，因此在错误预测时需要恢复。通过循环缓冲区（circular buffer）存储分支历史来实现。恢复分支历史和路径历史包括恢复头指针。

具体实现中的问题

A. 预测响应时间：正常需要3个周期

预测响应时间 = 索引计算时间 + 查表时间 + 预测计算逻辑时间

索引计算：使用单级 3 项异或门的非常简单的索引函数可用于索引预测器组件，而不会显着影响预测精度。（VS 全散列函数）
读预测表：延迟取决于表的大小，tag 计算可以在索引计算和读表取期间执行而不影响整体预测计算时间。
预测计算逻辑：标签匹配，预测选择，标签匹配计算是对从标签组件流出的标签并行执行的。

B. 解决预测响应时间大于一个周期的问题：提前流水线

在周期 T0-X 处，使用 X 块提前程序计数器和 X 块提前全局历史读取预测表。同时计算得到 $2^{x}$ 个预测结果，最后X块用于选择最后的预测。

预测计算：假设预测计算过程需要 X-1 个周期，预测计算需如下两步。

T0-X 周期：预测计算用 T0-X 周期时可用的信息初始化，即此时的地址和历史h。除此之外还需要从 T0-X 到 T0 的路径上的信息。 X 位的向量 V 包含路径上的信息，在T0-X时向量V的值还不知道，因此有 $2^{X}$ 种可能，同时计算 $2^{X}$ 个预测。
T0 周期：在T0-1周期结束的时候， $2^{X}$ 个预测都已经得到，且在T0时，向量V的实际值已经知道，用实际的V去选择对应的预测结果。

性能评估

8-组件的预测器，一个64 Kbits的O-GEHL预测器是2.83MPKI，TAGE是2.61；1Mbit 8-组件的O-GEHL是2.27，1 Mbit 8-组件的TAGE是2.05。

一个128 Kbits 8-组件的TAGE（2.36）和一个512 Kbits 8-组件的O-GEHL（2.34）的准组起来差不多。

历史长度和TAG宽度的影响：

TAGE预测器 “A case for (partially) TAgged GEometric history length branch prediction”相关推荐

TAGE-SC-L预测器 “TAGE-SC-L Branch Predictors”（2016）
TAGE + 简单的辅助预测器统计校正器(statistical corrector简称SC)+ 循环预测器(loop predictor简称L) 为什么要用不同长度的历史? 既适用于有较长历史的分支 ...
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）
间接分支预测器:ITTAGE [3].基于VPC的分支预测器.TAP预测器 [4].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(pol ...
R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型、分类预测器（分类变量）被自动替换为一组虚拟编码变量、summary函数查看检查模型、使用table函数计算混淆矩阵评估分类模型性能
R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型(Logistic regression).分类预测器(分类变量)被自动替换为一组虚拟编码变量.summary函数查看检查模型.使用t ...
predictor = dlib.shape_predictor()关键点预测器用法
predictor = dlib.shape_predictor('data/data_dlib/shape_predictor_68_face_landmarks.dat') 功能:标记人脸关键点 ...
scikit-learn学习笔记（一）快速入门数据集格式和预测器
1.数据集: 数据集都是2维的,第一维度是"样本维",第二维度是"特征维". >>> from sklearn import datasets ...
TypeWriter: Neural Type Prediction with Search-based Validation基于搜索的神经网络预测器
ABSTRACT 维护使用动态类型语言(JavaScript,Python等)写的大型数据库是非常有挑战性的.简单数据兼容性错误激增,缺乏IDE支持和API 难理解.最近的一些工作尝试用静态分析或概 ...
运用PyTorch动手搭建一个共享单车预测器
本文摘自 <深度学习原理与PyTorch实战> 我们将从预测某地的共享单车数量这个实际问题出发,带领读者走进神经网络的殿堂,运用PyTorch动手搭建一个共享单车预测器,在实战过程中掌握神 ...
C++小程序——“靠谱”的预测器
文章目录内容简介一.使用方法二.具体代码实现 1.调试环境 2.代码实现 3.运行演示小结内容简介本文介绍了一个作者原创的有趣的预测器. 重要免责声明:本文和文中程序仅供娱乐,对预测结果概 ...
【AI—pytorch学习】项目实战-单车预测器
Pytorch实战项目学习笔记--单车预测器 1.数据原书中给出的地址好像有些问题或者被修改了,下载的数据与书中提到的数据不一致.查阅后可在 http://archive.ics.uci.edu/m ...
LncLocator 2.0：具有可解释深度学习的长链非编码RNA的细胞特异性亚细胞定位预测器
Motivation:长链非编码RNA ( lncRNA )通常以组织特异性的方式表达,lncRNA的亚细胞定位取决于它们表达的组织或细胞系. <特色> 以前用于预测lncRNA亚细胞定位 ...