%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