%0 Journal Article %T Optimizing Sparse Matrix-vector Multiplication Based on GPU
基于GPU的稀疏矩阵向量乘优化 %A BAI Hong-tao %A OUYANG Dan-tong %A LI Xi-ming %A LI Ting %A HE Li-li %A
白洪涛 %A 欧阳丹彤 %A 李熙铭 %A 李亭 %A 何丽莉 %J 计算机科学 %D 2010 %I %X 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. %K Sparse matrix %K Compressed sparse row %K Graphics processing unit %K Compute unified device architecture %K Optimizations
稀疏矩阵 %K 行压缩存储 %K 图形处理器 %K 统一计算架构 %K 优化策略 %U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=FDB1F61A5A451BAA1EA614A14BA69E6B&yid=140ECF96957D60B2&vid=42425781F0B1C26E&iid=5D311CA918CA9A03&sid=BBF7D98F9BEDEC74&eid=73579BC9CFB2D787&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=15