-
题名基于监督学习的稀疏矩阵乘算法优选
- 1
-
-
作者
彭林
张鹏
陈俊峰
唐滔
黄春
-
机构
国防科技大学计算机学院
-
出处
《计算机工程与科学》
北大核心
2025年第3期381-391,共11页
-
基金
国家重点研发计划(2020YFA0709803)。
-
文摘
稀疏矩阵乘算法中主流的row-by-row计算公式上的SPA、HASH、ESC 3种稀疏矩阵乘实现算法,在对不同的稀疏矩阵进行计算时性能差异显著,在不同非零元规模上单一算法不总是能取得最佳性能,而且单一算法与最优选择存在明显差距。为此,提出了一种基于机器学习的最优稀疏矩阵乘算法选择模型,以给定矩阵集作为数据源,抽取稀疏矩阵的特征,并使用SPA、HASH、ESC计算获得的性能数据进行训练和验证,获得的模型能够仅使用稀疏矩阵的特征即可完成对新数据集的算法优选。实验结果表明,该模型可以获得91%以上的预测准确率,平均性能达到最优选择的98%,是单一算法性能的1.55倍以上,并且可在实际库函数中使用,具有良好的泛化能力和实用价值。
-
关键词
稀疏矩阵乘
SpGEMM
SPA算法
HASH算法
esc算法
机器学习
-
Keywords
sparse matrix multiplication
SpGEMM
SPA algorithm
HASH algorithm
esc algorithm
machine learning
-
分类号
TP302
[自动化与计算机技术—计算机系统结构]
-
