计算机工程与科学

作者：钟佳卿, 陈娟, 周一畅, 吴贤瑜, 王蕊, 喻湘

单位：国防科技大学计算机学院，湖南 长沙 410073

关键词：样本点重构,静动态结合,CPU功耗建模,训练集优化,高精度,

建立高精度细粒度CPU功耗模型对于计算机系统的功耗管理与优化至关重要。针对多核处理器建模中建模数据集数量、类型分布不均衡等问题，提出一种基于静动态程序样本点重构的处理器建模精度提升方法。程序样本由程序运行时的性能计数器（PMC）采集数据构成。静态重构算法从特征选择、时间粒度细化和空间去冗余3个维度对程序样本点进行重构。动态重构算法作为静态重构算法的补充，关注程序在不同编译选项或不同资源加载等优化手段下运行时的行为，选择合适优化手段的程序样本，补充程序样本点。为评估静动态样本点重构算法对功耗建模的影响，在x86和ARM处理器平台上对5个程序基准测试集进行评估。实验结果表明，在2个x86平台上，功耗模型分别采用线性模型、神经网络模型和随机森林模型，精度提升的平均结果分别为74.80%，65.70%，32.24%以及61.61%，80.44%，18.76%，在ARM平台上，线性模型、神经网络模型和随机森林模型的精度提升平均结果为22.34%，34.63%和34.36%。

来源：2025年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第12期