基于HYB格式稀疏矩阵与向量乘在CPU+GPU异构系统中的实现与优化

摘要：

稀疏矩阵与向量相乘SpMV是求解稀疏线性系统中的一个重要问题,但是由于非零元素的稀疏性,计算密度较低,造成计算效率不高.针对稀疏矩阵存在的一些不规则性,利用混合存储格式来进行SpMV计算,能够提高对稀疏矩阵的压缩效率,并扩大其适应范围.HYB是一种广泛使用的混合压缩格式,其性能较为稳定.而随着GPU并行计算得到普遍应用以及CPU日趋多核化,因此利用GPU和多核CPU构建异构并行计算系统得到了普遍的认可.针对稀疏矩阵的HYB存储格式中的ELL和COO存储特征,把两部分数据分别分割到CPU和GPU进行协同并行计算,既能充分利用CPU和GPU的计算资源,又能够发挥CPU和GPU的计算特性,从而提高了计算资源的利用效能.在分析CPU+ GPU异构计算模式的特征的基础上,对混合格式的数据分割和共享方面进行优化,能够较好地发挥在异构计算环境的优势,提高计算性能.

关键词：GPU、稀疏矩阵、SpMV、CUDA、异构计算

所属期刊栏目：38

分类号：TP393.027.2(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目61432005;国家自然科学基金61472124,61572175;湖南省科技计划项目2015SK200062

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：202-209