| 基于GPU的稀疏矩阵向量乘优化 |
| |
| 引用本文： | 白洪涛,欧阳丹彤,李熙铭,李亭,何丽莉.基于GPU的稀疏矩阵向量乘优化[J].计算机科学,2010,37(8):168-171. |
| |
| 作者姓名： | 白洪涛 欧阳丹彤 李熙铭 李亭 何丽莉 |
| |
| 作者单位： | 1. 吉林大学计算机科学与技术学院,长春,130012
2. 吉林大学符号计算与知识工程教育部重点实验室,长春,130012 |
| |
| 基金项目： | 国家自然科学基金重大项目基金，国家自然科学基金，吉林省科技发展计划项目基金，欧盟合作项目 |
| |
| 摘 要： | 针对稀疏矩阵运算难以发挥图形处理器的强大运算能力的现状,基于图形处理器的统一计算架构,在线程映射、数据复用等方面研究了一系列并行计算优化方法,从而完成了一种行压缩存储表示下的稀疏矩阵向量乘并行算法.这些优化方法包括:(1)利用Warp内线程天然同步特性,Half-warp完成结果向量一个元素的计算;(2)取整读取数据,实现合并访问;(3)输入向量放入纹理存储器,数据复用;(4)申请分页锁定内存,加速数据传输;(5)使用共享存储器,加速数据存取.实验分析表明,提出的各种手段起到了优化的作用.与已有的CUDPP和SpMV library中的CSR-vector算法相比,本算法获得了更高的存储器带宽和浮点运算吞吐量;整体性能比CPU串行执行版本快了3倍以上.
|
| 关 键 词： | 稀疏矩阵 行压缩存储 图形处理器 统一计算架构 优化策略 |
| 收稿时间： | 2009/9/29 0:00:00 |
| 修稿时间： | 2010/1/29 0:00:00 |
Optimizing Sparse Matrix-vector Multiplication Based on GPU |
| |
| BAI Hong-tao,OUYANG Dan-tong,LI Xi-ming,LI Ting,HE Li-li.Optimizing Sparse Matrix-vector Multiplication Based on GPU[J].Computer Science,2010,37(8):168-171. |
| |
| Authors: | BAI Hong-tao OUYANG Dan-tong LI Xi-ming LI Ting HE Li-li |
| |
| Affiliation: | (College of Computer Science and Technology, Jilin University, Changchun 130012, China);(Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education,Jilin University,Changchun 130012,China) |
| |
| Abstract: | |
| |
| Keywords: | Sparse matrix Compressed sparse row Graphics processing unit Compute unified device architecture Optimizations |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
