检索结果-内蒙古大学图书馆

中国力学学会学术大会'2009

作者：嵇晓宇郝志明莫军孙乐王柯颖中国工程物理研究院总体工程研究所

本文简要介绍在PANDA平台中处于核心地位的PANDA框架。它包括四个层次:底层、并行自适应支撑层、数值共性层和应用接口层,有限元分析涉及的有限元管理器、模型管理器、积分器、时间管理器、节点管理器、单元列表、I/O管理器、解法器、... 详细信息

本文简要介绍在PANDA平台中处于核心地位的PANDA框架。它包括四个层次:底层、并行自适应支撑层、数值共性层和应用接口层,有限元分析涉及的有限元管理器、模型管理器、积分器、时间管理器、节点管理器、单元列表、I/O管理器、解法器、通信管理器等构件分布于该框架的不同层次上。本文重点介绍的数值解法器服务处于PANDA框架的数值共性层,该层的主要目

关键词：框架构件化设计集成数值解法器

来源：评论

学校读者我要写书评

暂无评论

选择稀疏矩阵乘法最优存储格式的研究

引用

计算机研究与发展 2014年第4期51卷 882-894页

作者：李佳佳张秀霞谭光明陈明宇计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京100049

稀疏矩阵向量乘法（sparse matrix vector multiplication,SpMV）是科学和工程领域中重要的核心子程序之一,也是稀疏基本线性代数子程序（basic linear algebra subprograms,BLAS）库的重要函数.目前很多SpMV的优化工作在不同程度上获... 详细信息

稀疏矩阵向量乘法（sparse matrix vector multiplication,SpMV）是科学和工程领域中重要的核心子程序之一,也是稀疏基本线性代数子程序（basic linear algebra subprograms,BLAS）库的重要函数.目前很多SpMV的优化工作在不同程度上获得了性能提升,但大多数优化工作针对特定存储格式或一类具有特定特征的稀疏矩阵缺乏通用性,因此高性能的SpMV实现并没有广泛地应用于实际应用和数值解法器中.另外,稀疏矩阵具有众多存储格式,不同存储格式的SpMV存在较大性能差异.根据以上现象,提出一个SpMV的自动调优器（SpMV auto-tuner,SMAT）.对于一个给定的稀疏矩阵,SMAT结合矩阵特征选择并返回其最优的存储格式,应用程序通过调用SMAT来得到合适的存储格式,从而获得性能提升,同时随着SMAT中存储格式的扩展,更多的SpMV优化工作可以将性能优势在实际应用中发挥作用.使用佛罗里达大学的2 366个稀疏矩阵作为测试集,在Intel上SMAT分别获得9.11GFLOPS（单精度）和2.44GFLOPS（双精度）的最高浮点性能,在AMD平台上获得了3.36GFLOPS（单精度）和1.52GFLOPS（双精度）的最高浮点性能.相比Intel的核心数学函数库（math kernel library,MKL）数学库,SMAT平均获得1.4～1.5倍的性能提升.

关键词： SpMV 自动调优数值解法器稀疏矩阵 SpBLAS

来源：评论

学校读者我要写书评

暂无评论

基于SMAT的稀疏BLAS库和解法器优化技术研究

基于SMAT的稀疏BLAS库和解法器优化技术研究

引用

作者：张中海中国科学院大学

学位级别：硕士

随着硬件工艺的发展和架构的创新，众核体系和异构平台越来越成为高性能计算系统的主流方式。基于众核跨平台的应用设计和程序优化正在成为高性能计算的研究热点。与传统的多核处理器相比，GPU和MIC这种众核架构集成了更多的核心，具有... 详细信息

随着硬件工艺的发展和架构的创新，众核体系和异构平台越来越成为高性能计算系统的主流方式。基于众核跨平台的应用设计和程序优化正在成为高性能计算的研究热点。与传统的多核处理器相比，GPU和MIC这种众核架构集成了更多的核心，具有更高的并行度，提供更高的访存带宽和更强的浮点计算能力。以往的程序优化方法很难直接移植到众核异构平台。对于现代科学计算中最常用的稀疏矩阵向量法，研究其在众核异构平台上的算法实现及优化是非常有意义的。\n 稀疏矩阵向量乘(SpMV)是科学与工程计算代数解法器中的核心共性操作，属于典型的访存受限运算。其性能的优化非常具有挑战性。此外，稀疏矩阵的存储格式众多，不同的存储格式对于不同类型的稀疏矩阵和不同的硬件平台，性能差异很大。对于特定的输入，找到一个最优的存储格式将会对计算效率有很大的提高。在当今复杂的异构平台中，开发一个方便可靠、具有高效率而且具有自动调优功能的的数值计算系统是非常有挑战和重要意义的研究工作。\n 本文的主要工作和贡献如下:\n (1)设计并实现了一个跨平台，支持多种稀疏矩阵格式的稀疏算法库spBLAS。采用面向对象方法，将矩阵和向量的操作进行高层抽象，将硬件平台的具体细节屏蔽，为用户提供了一个方便且高效跨平台、高可扩展性的稀疏算法库。\n (2)设计并实现了基于spBLAS库的数值解法器，并将其与SMAT自动调优技术结合，设计并实现了一个稀疏线性计算系统SMATER。通过数据挖掘的方法研究稀疏矩阵的特点、硬件平台特性以及SpMV性能之间的关系，对不同的稀疏矩阵给出最优的存储格式及SpMV算法实现。\n (3)结合众核体系结构特征和稀疏矩阵自身特点，对SpMV程序进行了优化，总结了SpMV的普遍优化方案，从硬件平台、单线程、多线程和稀疏矩阵格式等各方面给出了优化方案和实现，为异构平台的程序优化提供了参考。

关键词：稀疏矩阵向量乘法众核架构异构平台数值解法器 SMAT系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：