文献

J-GLOBAL ID：201702288107110166   整理番号：17A1291101

GPUスパース行列ベクトル乗算の性能モデル構造【JST・京大機械翻訳】

Performance Model of Sparse Matrix Vector Multiplication on GPU

著者 (6件)： Yin Mengjia (武漢大学計算机学院 武漢 430072;湖北工程学院計算机与信息科学学院 孝感 432000) ,  Xu Xianbin (武漢大学計算机学院 武漢 430072) ,  He Shuibing (武漢大学計算机学院 武漢 430072) ,  Hu Jing (武漢大学計算机学院 武漢 430072) ,  Ye Conghuan (湖北工程学院計算机与信息科学学院 孝感 432000) ,  Zhang Tao (湖北工程学院計算机与信息科学学院 孝感 432000)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： 4  ページ： 182-187,206  発行年： 2017年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スパース行列のベクトル乗算(SPMV)は,大規模線形解システムと行列固有値問題を解くために広く使われている基本的な演算である.. 1,2,3,4,2,3,4,4),2つの問題がある。しかし,それは反復処理のプロセスにおいてしばしばボトルネックになり,アルゴリズムの全体的性能に影響を及ぼす。異なる形態のマトリックスに対して、異なるストレージフォーマットを選択することにより、対応するアルゴリズムは常に大きな性能影響を生じる。実験分析により、各種の行列形態が異なる記憶構造で表現された性能変化特徴を発見し、有効な性能計量モデルを構築し、スパース行列計算のコストを評価し、合理的にストレージフォーマットを選択するために有効な指導を行った。14組のCSR、COO、HYB形式と8組ELL形式のテストケースにおいて、性能予測モデルと測定の間の差異は9%より低かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 記憶構造 ,  *スパース行列 ,  線形性 ,  *ベクトル ,  固有値問題 ,  *乗算 ,  アルゴリズム
準シソーラス用語： 性能予測 ,  テストケース ,  *性能モデル , 【Automatic Indexing@JST】

著者キーワード (3件)： GPU ,  Sparse matrix-vector multiplication ,  Performance model

分類 (2件)： 数値計算  (JE02000J) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (5件)： GPU ,  スパース行列 ,  ベクトル ,  乗算 ,  性能モデル