Ithemal: Accurate, Portable and Fast Basic Block Throughput Estimation
一、论文概览
| 属性 | 内容 |
|---|---|
| 标题 | Ithemal: Accurate, Portable and Fast Basic Block Throughput Estimation using Deep Neural Networks |
| 发表 | MICRO 2018 (Best Paper Nomination) |
| 机构 | MIT CSAIL |
核心贡献
- RNN-based 指令吞吐预测：取代传统的静态分析（如 Intel IACA）
- 精度优势：平均 <10% 误差，优于 IACA（~15%）
- 可移植性：训练后可在不同微架构间迁移（但精度会下降）
二、方法
模型架构
x86指令序列 → Hierarchical LSTM → 基本块特征向量 → MLP → IPC预测
- 编码：每指令编码为 200 维向量（opcode, registers, immediates）
- 训练数据：100,000+ 基本块，通过 IACA/simulator 标注
局限
- 仅预测基本块级吞吐（完整程序的 IPC 预测需额外分析）
- 对长基本块（>100 指令）精度下降
三、意义
Ithemal 开启了 “用 ML 替代微架构仿真” 的方向，后续工作如 LiteSim (HPCA 2023) 将其思想扩展到全程序级性能预测。