MetaDSE：面向跨工作负载 CPU 设计空间探索的 Few-shot 元学习框架
人机交互
2025-04-21 v1 多媒体
摘要
跨工作负载设计空间探索 (DSE) 是 CPU 架构设计中的关键任务。现有的 DSE 方法通常采用迁移学习技术，利用源工作负载的知识，以最小化目标工作负载仿真需求。然而，这些方法在过拟合、数据模糊和工作负载差异方面存在挑战。为此，我们将跨工作负载 CPU DSE 任务重新表述为 Few-shot 元学习问题，并进一步引入 MetaDSE。通过利用模型中性元学习，MetaDSE 能快速适应新的目标工作负载，大幅提升跨工作负载 CPU DSE 的效率。此外，MetaDSE 引入一种称为工作负载自适应架构掩码算法的新型知识传递方法，揭示了架构的内在属性。在 SPEC CPU 2017 上的实验表明，MetaDSE 相较于最先进的方法将预测误差降低 44.3%。MetaDSE 已开源，可在 \href{https://anonymous.4open.science/r/Meta_DSE-02F8}{anonymous GitHub} 上获取。
引用
@article{arxiv.2504.13567,
title = {PoEmotion: Can AI Utilize Chinese Calligraphy to Express Emotion from Poems?},
author = {Tiancheng Liu and Anqi Wang and Xinda Chen and Jing Yan and Yin Li and Pan Hui and Kang Zhang},
journal= {arXiv preprint arXiv:2504.13567},
year = {2025}
}