-
题名对角线稀疏矩阵的SpMV自适应性能优化
被引量：6
- 1
-
-
作者
孙相征
张云泉
王婷
李焱
袁良
-
机构
中国科学院软件所并行软件与计算科学实验室
计算机科学国家重点实验室(中国科学院软件研究所)
中国科学院大学
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第3期648-656,共9页
-
基金
国家"八六三"高技术研究发展计划基金项目(2009AA01A129
2009AA01A134)
+6 种基金
国家"核高基"重大科技专项基金项目(2009ZX01036-001-002)
中国科学院知识创新工程重大项目课题(KGCX1-YW-13)
国家重大科研装备研制项目(ZDYZ2008-2)
国家自然科学基金项目(61100073
61133005
61100066)
中国科学院研究生科技创新与社会实践资助专项
-
文摘
稀疏矩阵向量乘(SpMV)是科学计算中常用的内核之一,其运行速率跟非零元分布相关.针对对角线稀疏矩阵,提出了压缩行片段对角(compressed row segment diagonal,CRSD)存储格式.它利用"对角线格式"有效描述矩阵的对角线分布,区别于以往通用的计算方法,CRSD通过对给定应用的对角线稀疏矩阵采样再进行特定的优化.并且在软件安装阶段,通过自适应的方法选取适合具体运行平台的最优SpMV实现.在CPU端进行多线程并行化实现时,自适应调优过程中收集的信息还被用于线程间任务划分,以实现负载平衡.同时完成CRSD存储格式在GPU端的实现,并根据GPU端计算与访存的特点进行优化.实验结果表明:在Intel和AMD的多核平台使用相同线程数的情况下,与DIA相比,使用CRSD的加速比可以达到2.37X(平均1.7X);与CSR相比,可以达到4.6X(平均2.1X).
-
关键词
CRSD
自适应性能优化SpMV
对角线格式
对角线稀疏矩阵
GPU
科学应用
-
Keywords
compressed row segmented with diagonal-pattern（CRSD）
auto-tuning SpMV
diagonalpattern
diagonal sparse matrix
GPU
scientific application
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
