10.3969/j.issn.1002-137X.2010.08.035
基于GPU的稀疏矩阵向量乘优化
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.
稀疏矩阵、行压缩存储、图形处理器、统一计算架构、优化策略
37
TP311(计算技术、计算机技术)
国家自然科学基金重大项目基金60496320,60496321;国家自然科学基金60973089,60773097,60873148;吉林省科技发展计划项目基金20060532,20080107;欧盟合作项目155776-EM-1-2009-1-IT-ERAMUNDUS-ECW-L12
2010-11-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
168-171,181