基于CUDA的矩阵奇异值分解.pdfVIP

第24卷第6期 计算机应用研究 Vol.24 No.6 2007 年6 月 Journalof Application Research ofComputers June2007 基于CUDA的矩阵奇异值分解 张 舒，窦 衡 (电子科技大学 电子工程学院,成都 610054) 摘 要 摘摘 要要: 本文基于模式识别中PCA（主分量分析）方法对动态建库速度要求，提出了在CUDA(统一计算设备架构)上进行 基于Hestenes 算法的矩阵奇异值分解方法。在nVidia GeForce8800GTS图形显示卡上实现了512×512矩阵奇异值分解。设 计方案的硬件实现验证了方案的有效性。 关键词: 关关键键词词:: 图形处理单元通用计算; 奇异值分解；统一计算设备架构 中图法分类号: 文献标识码: 中中图图法法分分类类号号:: **** 文文献献标标识识码码::A Matrix Singular Value DecompositionBasedOn Computing Unified MMaattrriixx SSiinngguullaarr VVaalluuee DDeeccoommppoossiittiioonnBBaasseeddOOnn CCoommppuuttiinngg UUnniiffiieedd DeviceArchitecture DDeevviicceeAArrcchhiitteeccttuurree Zhang Shu,Dou Heng (Dept.OfElectronicEngineering,UniversityofElectronicScience andTechnologyof China,ChengduSichuan610054,China) Abstract: AAbbssttrraacctt:: In this paper,a method of implementingHestenes algorism-based SVD method on CUDA to satisfy the speed need of incremental PCA methodwas discussed.A 512×512MatrixSVD was realized ona nVidia GeForce 8800GTSVideoCard.The test result verifiedthat theproposal is valid. Key words: KKeeyy wwoorrddss:: GPGPU;SVD;CUDA 本文以Hestens方法为基础，提出了在CUDA下实现SVD 0 引言 的并行算法，并实现了用于模式识别中PCA方法动态建库的 引引言言 矩阵SVD分解。 mn mm T 设矩阵 A R ,若存在矩阵U R ，满足U U  I; 本文第一节简要介绍了 Hestens方法,第二节介绍 n n