基于训练集聚类选择优化的CPU功耗建模精度提升方法

建立高精度、低开销的CPU功耗模型对于计算机系统的功耗管理与功耗优化至关重要。一般认为训练集规模越大,CPU功耗模型精度越高。但有研究发现增大训练集规模不一定会提高功耗建模精度,有时甚至会导致精度下降,因此,如何选择功耗模型训练集以保证CPU功耗模型精度达到要求具有重要意义。文中提出一种基于聚类的训练集选择优化算法来解决上述问题,在有效保证CPU功耗建模精度的同时降低了CPU功耗建模的开销。该算法首先通过主成分分析将基于PMC的程序特征转换为p维向量特征空间,然后根据找到的最优聚类数按照程序特征对程序进行聚类,从每个聚类簇中选出代表程序;最后根据“单聚类簇内代表性最强原则”与“多聚类簇间代表程序数最少原则”形成最优训练集,模型精度相比Baseline精度有明显提高。在x86和ARM两类处理器平台上分别采用线性功耗建模和神经网络功耗建模两种方式,对算法进行了实验评估,实验结果表明所提算法的功耗建模精度有效显著提升。

加强数学语言教学 促进学生能力提高

数学语言是表达数学思想和数学思维的一种专门语言,它具有抽象、简约和准确等特性。加强数学语言教学,重视自然语言的数学化、数学语言的符号化和图式化以及各种数学语言之间的转化,有利于提高学生数学思维能力、解题能力和数学应用能力。

唱一首家乡的赞歌

家乡是一支清远的笛,总在有月亮的晚上响起。在这滋长乡愁的晚上,我一遍遍为家乡唱着动情的歌。--题记我的家乡叫茅坪镇,坐落在镇安的一个小山沟里。这里四面环山,景色宜人,地理条件十分优越。也因此,这里吸引了不少外来的游客。