基于GPU的稀疏矩阵向量乘优化

• 作者: 何丽莉 李亭 李熙铭 欧阳丹彤 白洪涛
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 稀疏矩阵 行压缩存储 图形处理器 统一计算架构 优化策略
• 年，卷（期）: 2010,（8）
• 页码范围: 168-171,181
• 分类号: TP311
• 字数: 4020字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.08.035

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	欧阳丹彤	吉林大学符号计算与知识工程教育部重点实验室	108	781	15.0	23.0
2	白洪涛	吉林大学计算机科学与技术学院	35	222	7.0	14.0
3	李熙铭	吉林大学计算机科学与技术学院	5	54	3.0	5.0
4	何丽莉	吉林大学计算机科学与技术学院	32	239	9.0	15.0
5	李亭	吉林大学符号计算与知识工程教育部重点实验室	1	18	1.0	1.0