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
1502025，61（6）ComputerEngineeringandApplications计算机工程与应用
⦾理论与研发⦾
面向SW26010P的异形矩阵乘法众核并行优化技术研究
1，2，31，2，31，2+
胡怡，陈道琨，杨超
1.北京大学数学科学学院，北京100871
2.北京大学长沙计算与数字经济研究院先进计算研究中心，长沙410205
3.中国科学院软件研究所并行软件与计算科学实验室，北京100190
+通信作者E-mail：chao_yang@
摘要：矩阵乘法广泛应用于科学与工程计算领域，是基础线性代数库中的关键优化对象。随着人工神经网络、计
算流体力学等领域的快速发展，异形（irregular-shaped）矩阵乘法正在迅速引起关注。研究集中在针对国产新一代神
威超级计算机采用的SW26010P众核处理器，探讨异形矩阵乘法的众核并行优化技术。具体而言，结合SW26010P
的硬件特性和异形矩阵的数据布局，设计了多样化任务划分映射的并行算法，提高直接内存访问（directmemory
access，DMA）访存带宽利用率。结合SW26010P的硬件流水线和向量化访存/计算指令，抽象运算中涉及的计算类
型进行底层汇编优化，提高了计算效率。提出了远程内存访问（remotememoryaccess，RMA）点对点机制下的数据
共享策略，降低数据访存和传输开销，并提出了嵌套双缓冲技术进一步提高异形矩阵乘法的性能。此外，针对不同
种类异形矩阵乘法行实现时面临的分块参数适配问题，基于SW26010P众核处理器进行实验分析研究，确定了各函
数并行化时的最优分块参数。实验结果显著，所优化的异形矩阵乘法的性能最高可达roofline模型预测性能上限的
93%，相较于常规大规模矩阵乘法算法平均获得了5.43倍的性能加速，最高可获得51.5倍的性能加速。
关键词：异形矩阵乘法；SW26010P众核处理器；多样化任务划分映射；RMA点对点机制；嵌套双缓冲技术
文献标志码：A中图分类号：TP311doi：10.3778/j.issn.1002-8331.2405-0142
PerformanceOptimizationTechniquesofIrregular-ShapedMatrixMultiplicationonSW26010P
HUYi1，2，3,CHENDaokun1，2，3,YANGChao1，2+
1.SchoolofMathematicalSciences,PekingUniversity,Beijing100871,China
2.ResearchCenterofAdvancedComputing,ChangshaInstituteforComputingandDigitalEconomy,PekingUniversity,
Changsha410205,China
3.LaboratoryofParallelSoftwareandComputationalScience,InstituteofSoftware,ChineseAcademyofSciences,Beijing
100190,China
Abstract：Matrixmultiplicationiswidelyusedinthefieldofscientificandengineeringcomputing,andisthemostimpor-
tantoptimizationobjectinBLAS.Withthedevelopmentofartificialneuralnetworks,computationalfluidmechanics
andotherfields,irregular-shapedmatrixmultiplicationisrapidlygainingattention.Thispaperproposesparallelization
techniques
文档评论（0）