基于CNN的间接分支预测器分析

阐述在CPU分支预测器对间接跳转进行预测时,大量的预测失效往往是由少数指令造成的。传统的分支预测器难以对这些指令进行有效预测。探讨BranchNet预测器,提出了基于CNN的间接跳转指令分支预测器。该预测器使用特定的分支路径数据进行训练,从而能针对单一的低准确率指令的进行优化,降低预测失效率。实验结果显示,基于CNN的预测器使预测失效率平均降低了10.2%,预测器准确度有明显提升。

提前分支预测结构及算法研究

在理论上,越来越复杂的分支预测算法和更大的存储结构会使分支预测精度不断提高,但当前复杂算法和庞大数据结构所引发的分支预测时延已无法满足流水线单周期运行要求.针对分支预测精度和时延的矛盾,设计提出提前分支预测结构(ahead branch prediction architecture,ABPA).ABPA为流水线前端取指部件提供简单的分支预测表,以实现快速分支预测;复杂的预测算法和较大的存储结构均被移至流水线后端实现,从而保证了分支预测精度.对于一直难以准确预测的多目标间接分支指令,设计提出基于分支历史和目标路径的间接分支预测算法(indirect branch prediction algorithm based on branch history and target path,BHTP algorithm).提前分支预测算法采用改进的高精度分支预测算法和BHTP算法的混合.嵌入提前分支预测算法的分支预测引擎实现流水线后端的分支推测和目标预测,以及流水线前端的分支预测表更新.实验结果表明:采用ABPA结构和BHTP算法的分支预测系统平均精度达到94.27%.设计不仅实现了快速、高精度分支预测,更为分支预测的深入研究提供了条件.