文章: 用深度学习解决冯-诺依曼结构内存性能瓶颈

2018年3月31日 | By News | Filed in: News.

https://ift.tt/2pRS9Z9

这篇论文展示了深度学习在解决冯·诺依曼架构计算机内存性能瓶颈问题中的应用。论文关注的是学习内存访问模式这一关键问题,意在构建一种准确高效的内存预期器。研究提出将预期策略视为NLP中的n-gram模型,并使用RNN模型完全替代基于表的传统预取。在基准测试集上的实验表明,基于神经网络的模型在预测内存访问模式上可稳定地给出更优的准确率和召回率。该论文是将神经网络应用于计算机结构设计中的一篇开创性工作。

By Milad Hashem等 Translated by 盖磊

IT.数码

via 未注册用户的 InfoQ 个性化 RSS Feed – 请注册后升级! https://ift.tt/rpkzfm

March 30, 2018 at 09:19AM


发表评论

电子邮件地址不会被公开。 必填项已用*标注