原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于GPU的稀疏矩阵Cholesky分解-库问搜索.PDF
第37卷第7期 计 算 机 学 报 v01．37No．7
2014年7月 CHINESE OFCOMPUTERS 2014
JOURNAL July
邹 丹 窦 勇 郭 松
(国防科学与技术大学计算机学院长沙410073)
摘
来，一系列并行算法通过图形处理器(GPU)获得了显著的加速比，然而，由于访存的不规则性以及任务间的大量数
计算调度方面，将稀疏矩阵Cholesky分解过程映射为一系列的数据块任务，并设计了相应的任务生成与调度算法，
在GPU上的实现效率，在单个GPU上获得了相对4核CPU平台2．69～3．88倍的加速比．
关键词稀疏矩阵；Cholesky分解；GPU
中图法分类号TP391DOI号10．3724／SP．J．1016．2014．01445
FactorizationonGPU
SparseCholesky
ZOUDanDOU GUO
Yong Song
(School 410073)
o／Computer，NationalUniversityo／De／eriseTechnology，Changsha
Abstract factorizationisthekernel andthemosttime
SparseCholesky algorithm
in 1inear recent seriesof obtain
phasesolving1argesparse systems．Inyears，a parallelalgorithms
on
significantspeedupgraphicsprocessingunit(GPU)．However，sparseCholesky
isinefficientonGPUduetothe access and oftask
highlyirregularmemorypatterns1argedegree
this anew for on
dependencies．Inpaper，wepresent approachsparseCholesky
GPU．Forthedata tunethe matrix datastructure
organization，wesparse supernodal bymerging
and the intoblockstocontr01the
supernodesdividingsupernode computational
thecalculation the factorizationintoaseriesof
scheduling，wemap sparseCholesky process
block——oriented tasksand thetask a
文档评论（0）