MétaCan
Menu
Retour à la cohorte
Enregistrement W7133023002

Tagfilter :a power-aware tag hierarchy for high-level caches

2003· dissertation· W7133023002 sur OpenAlexaff
Won-Ho Park

Notice bibliographique

RevueTSpace · 2003
Typedissertation
Langue
DomaineComputer Science
ThématiqueParallel Computing and Optimization Techniques
Établissements canadiensBibliographical Society of CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCacheSpec#LocalityExploitCache algorithmsSearch engine indexingCPU cacheBus sniffingSmart CacheTranslation lookaside buffer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis proposes and evaluates Tagfilter, a novel power-aware cache hierarchy, coupled with an alternate cache indexing scheme, as a means for reducing power dissipation in high-level caches by filtering out unnecessary accesses. As high-level caches get larger and increase in associativity, they will inevitably consume sizable amounts of power. Interposed between the L1 and the L2 tag arrays, Tagfilter is a small, cache-like structure that caches a small number of recently accessed L2 tag sets, and filters out unnecessary tag array accesses that would otherwise waste considerable power in the L2 tag array. The Tagfilter exploits the tag-set locality existing in typical L2 access patterns. We also propose an alternate cache indexing scheme, which increases Tagfilter's efficiency (filter rate) by increasing tag-set locality. The Tagfilter results in reduced power because it reduces accesses to the much more power-demanding L2 tag array. Power savings by the Tagfilter are evaluated using the SPEC CPU2000 benchmarks running on SimpleScalar V3.0, a software processor model. The modified Wattch power models are used. On average, the Tagfilter reduces the power dissipation in the L2 tag array by 43% for the writeback L1 data cache and by 85% for the writethrough L1 data cache.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,340
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetParallel Computing and Optimization TechniquesTravaux en français237 207