申请/专利权人：重庆大学

申请日：2022-05-07

公开（公告）日：2024-06-25

公开（公告）号：CN114780889B

主分类号：G06F16/957

分类号：G06F16/957;G06N3/0464;G06N3/049;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开一种基于模仿学习的缓存替换系统及方法，系统包括访问数据获取模块、缓存替换预测模块、缓存替换模块和数据库；方法步骤为：1获取缓存访问请求序列；2将缓存访问请求序列输入到训练好的缓存替换预测神经网络中，计算得到缓存行逐出概率，并传输至缓存替换模块；3所述缓存替换模块根据缓存行逐出策略进行缓存行的逐出，从而将当前缓存访问请求存入缓存中。本发明使用时间卷积神经网络和注意力机制等序列信息特征提取器构建神经网络模型，充分提取了访问序列的历史信息以及缓存中缓存行的上下文信息，提高了模型预测的性能。

主权项：1.一种基于模仿学习的缓存替换系统，其特征在于：包括访问数据获取模块、缓存替换预测模块、缓存替换模块和数据库；所述访问数据获取模块获取缓存访问请求序列S＝{st-H+1，st-H+2，...，st-1，st}，并传输至缓存替换预测模块；st表示t时刻的缓存访问，H为历史缓存访问的数量；所述缓存替换预测模块存储有神经网络；所述缓存替换预测模块利用缓存逐出预测神经网络预测缓存行逐出概率，并传输至缓存替换模块；所述缓存替换模块根据缓存行逐出概率将当前缓存访问请求存入缓存中；所述数据库存储访问数据获取模块、缓存替换预测模块、缓存替换模块的数据；所述缓存逐出预测神经网络包括时间卷积神经网络、注意力机制神经网络、承接层和输出层；所述时间卷积神经网络包括输入层、隐藏层和输出层；所述时间卷积神经网络输入层的输入为缓存访问请求序列S＝{st-H+1，st-H+2，...，st-1，st}，输出为缓存访问请求序列的嵌入es＝{est-H+1，est-H+2，...，est-1，est}；其中est表示t时刻缓存访问的嵌入；所述时间卷积神经网络第一层隐藏层的输入为时间卷积神经网络输入层的输出es；所述第j+1层隐藏层的输入为第j层隐藏层的输出输出为其中，隐藏层输出如下所示： 式中，Fst表示t时刻扩张卷积的输出；Activation为激活函数；其中，t时刻扩张卷积Fst如下所示： 式中，为t-d·i时刻的访问数据在第j层隐藏层的信息；fi为卷积滤波器；k为卷积核大小；d为膨胀系数，对于第j层，d＝2j；所述时间卷积神经网络的输出层的输出即为最后一层隐藏层的输出，该层的输出表示为缓存访问请求序列的历史信息hs＝{hst-H+1，hst-H+2，...，hst-1，hst}；其中hst表示t时刻缓存访问内容的历史信息；对缓存逐出预测神经网络进行训练的步骤包括：1判断当前缓存是否未满或者当前缓存访问请求是否已经在缓存中，若是，则直接将当前缓存访问请求放入缓存中或从缓存中获取当前缓存访问请求，否则，进入步骤2；2建立缓存逐出预测神经网络；3利用Belady算法计算出每个缓存访问请求的真实重用距离其中n为总的访问数；表示第n个缓存访问请求的真实重用距离；4利用缓存逐出预测神经网络生成每个缓存行的逐出概率prob＝{p1，p2，...，pW}；5计算t时刻缓存逐出预测网络输出的缓存行逐出概率与Belady算法之间的误差即： 式中，分别为缓存逐出预测网络和Belady算法在t时刻的缓存行逐出概率；分别为缓存逐出预测网络和Belady算法在t时刻对第i个缓存行进行驱逐的概率；W为缓存大小；其中，缓存行逐出概率满足下式： 其中，参数topk和序列分别如下所示：topk＝intW*α10 式中，α是驱逐百分比，int是向下取整函数，decend_sort是降序排序函数；6使用缓存逐出预测网络的梯度对神经网络参数ω进行更新，并判断损失函数值是否达到最小或训练轮数是否达到预设值，若是，则结束缓存逐出预测神经网络的训练，否则，进入步骤7；参数ω更新如下：缓存逐出预测神经网络 其中，ω为网络当前参数；ω′为更新后的参数；εt为当前学习率，为梯度符号；Bceloss为损失函数；7缓存替换模块选择一个缓存行进行逐出并将当前访问存入缓存中；8获取新的缓存访问请求，并返回步骤1。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于模仿学习的缓存替换系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD