This work builds upon Ipek et al.’s

This work builds upon Ipek et al.’s RL-based framework. We propose MORSE, a systematic and general mechanism to designing self-optimizing DRAM schedulers that can target arbitrary figures of merit. We employ genetic algorithms to automatically calibrate the relative importance that the scheduler places on the different DRAM actions for a given environment and objective function (Section 3.1.2). We also employ a multi-factor variation of feature selection that takes into account first-order interactions among system attributes, which are used by the scheduler to sense the system’s state at each point in time (Section 3.1.3). Importantly, the resulting hardware need not directly observe the objective function on the field: only during training at design time (using simulation models) does our framework require the objective function to be observable. This allows our framework to target relatively sophisticated figures of merit that would be generally hard to measure on the field (e.g.,weighted speedup). Still, the hardware can be made to allow for on-the-field reconfiguration (Section 4).

ผลลัพธ์ (ไทย) 1:

งานนี้สร้างเมื่อ Ipek et al. RL ตามกรอบ เราเสนอมอร์ส กลไกที่เป็นระบบ และทั่วไปเพื่อออกแบบ DRAM schedulers เพิ่มประสิทธิภาพตนเองที่สามารถกำหนดเป้าหมายเองเน็ต gures บุญ เราใช้ขั้นตอนวิธีพันธุกรรมโดยอัตโนมัติปรับเทียบความสำคัญที่ตัวจัดกำหนดการการดำเนินการ DRAM ที่แตกต่างกันสำหรับสภาพแวดล้อมและฟังก์ชันวัตถุประสงค์ (หัวข้อ 3.1.2) นอกจากนี้เรายังใช้รูปแบบหลายปัจจัยของการเลือกคุณลักษณะที่ลงบัญชีหาสั่ง rst โต้ในแอตทริบิวต์ระบบ ที่ที่ใช้ตัวจัดกำหนดการเพื่อจับสถานะของระบบในแต่ละจุดเวลา (หัวข้อ 3.1.3) สำคัญ ฮาร์ดแวร์เกิดต้องไม่ตรงสังเกตฟังก์ชันวัตถุประสงค์ในการโรค: ในระหว่างการฝึกอบรมขณะออก (โดยใช้รูปแบบจำลอง) กรอบของเราไม่ต้องการฟังก์ชันวัตถุประสงค์จะ สังเกตได้ด้วย นี้ช่วยให้กรอบของเราเป้าหมาย gures หาค่อนข้างซับซ้อนของบุญที่จะโดยทั่วไปยากที่จะวัดบนฟิลด์ (e.g.,weighted speedup) ยังคง ฮาร์ดแวร์สามารถได้การอนุญาตสำหรับ guration reconfi บนฟิลด์ (4 ส่วน)

ผลลัพธ์ (ไทย) 2:

งานนี้สร้างเมื่อกรอบ RL-based Ipek et al. ของ เราเสนอมอร์สเป็นกลไกที่เป็นระบบและทั่วไปในการออกแบบด้วยตนเองเพิ่มประสิทธิภาพ schedulers DRAM ที่สามารถกำหนดเป้าหมายโดยพล Fi ?? gures บุญ เราจ้างขั้นตอนวิธีพันธุกรรมในการสอบเทียบความสำคัญโดยอัตโนมัติว่าสถานที่จัดตารางเวลาในการดำเนินการ DRAM แตกต่างกันสำหรับสภาพแวดล้อมที่กำหนดและฟังก์ชันวัตถุประสงค์ (มาตรา 3.1.2) นอกจากนี้เรายังใช้รูปแบบหลายปัจจัยของการเลือกคุณลักษณะที่จะเข้าสู่บัญชี Fi ?? ปฏิสัมพันธ์ RST สั่งหมู่ระบบแอตทริบิวต์ที่ใช้งานโดยกำหนดการจะรู้สึกรัฐของระบบในแต่ละจุดในเวลา (มาตรา 3.1.3) ที่สำคัญฮาร์ดแวร์ที่เกิดขึ้นไม่จำเป็นต้องสังเกตโดยตรงฟังก์ชันวัตถุประสงค์ใน Fi จะ ?? Eld: เฉพาะในช่วงการฝึกอบรมในขณะออกแบบ (โดยใช้แบบจำลอง) ไม่จำเป็นต้องมีกรอบการทำงานของเราฟังก์ชันวัตถุประสงค์ที่จะเป็นที่สังเกตได้ นี้จะช่วยให้กรอบการทำงานของเราที่จะกำหนดเป้าหมาย Fi ?? gures ค่อนข้างมีความซับซ้อนของบุญที่จะยากที่จะวัดโดยทั่วไปบนสนาม (เช่นเพิ่มความเร็วถ่วงน้ำหนัก) ยังคงฮาร์ดแวร์ที่สามารถทำเพื่อให้ on-the-ฟิลด์ reconfi ?? ไฟล์โครงสร้าง (มาตรา 4)

ผลลัพธ์ (ไทย) 3:

งานนี้สร้างเมื่อก เป็ก et al . RL กรอบตาม เราเสนอ มอร์ส , ระบบและกลไกทั่วไปในการออกแบบที่สามารถปรับตารางเวลาของตนเอง เป้าหมาย gures ? Fi โดยพลการของบุญ เราใช้ขั้นตอนวิธีพันธุกรรมโดยอัตโนมัติปรับความสําคัญที่ตารางเวลาสถานที่ที่แตกต่างกันของการดำเนินการเพื่อให้สภาพแวดล้อมการทำงานและวัตถุประสงค์ ( ฝ่ายการศึกษา ) นอกจากนี้เรายังใช้หลายปัจจัยการเปลี่ยนแปลงของการเลือกคุณลักษณะที่ใช้ในบัญชี Fi ? RST เพื่อปฏิสัมพันธ์ระหว่างคุณลักษณะของระบบซึ่งจะใช้โดยการจัดตารางเวลาที่จะนึกสภาพของระบบในแต่ละจุดในเวลา ( ส่วน 3.1.3 ) ที่สำคัญ ส่งผลให้ต้องฮาร์ดแวร์โดยตรงไม่สังเกตฟังก์ชันวัตถุประสงค์ใน Fi ? ละมั่ง : เท่านั้นในระหว่างการฝึกอบรมในเวลาออกแบบ ( โดยใช้แบบจำลอง ) ทำกรอบของเราต้องใช้ฟังก์ชันวัตถุประสงค์เพื่อเป็นที่สังเกตได้ นี้จะช่วยให้กรอบของเราเป้าหมายที่ค่อนข้างซับซ้อน Fi ? gures บุญนั้นจะเป็นโดยทั่วไปยากที่จะวัดในเขตข้อมูล ( เช่นน้ำหนักการเร่งความเร็ว ) ยังคง , ฮาร์ดแวร์ที่สามารถทำเพื่อให้สามารถอยู่บนสนาม reconfi ? guration ( มาตรา 4 )