对角线稀疏矩阵的SpMV自适应性能优化
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).
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
50
TP311(计算技术、计算机技术)
国家"八六三"高技术研究发展计划基金项目2009AA01A129,2009AA01A134;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
2013-04-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
648-656