检索结果-内蒙古大学图书馆

计算物理 2024年第1期41卷 33-39页

作者：杜臻谭光明中国科学院大学计算机科学与技术学院北京101408 中国科学院计算技术研究所北京100190

分析稀疏矩阵向量乘(SpMV)程序优化的难点,介绍两个自动调优的代表性工作:基于预实现模板的SMAT和从头设计程序的AlphaSparse。详细介绍了它们的设计思路、实现细节、测试结果以及各自的优缺点。最后,对SpMV自动调优的发展趋势进行了分... 详细信息

分析稀疏矩阵向量乘(SpMV)程序优化的难点,介绍两个自动调优的代表性工作:基于预实现模板的SMAT和从头设计程序的AlphaSparse。详细介绍了它们的设计思路、实现细节、测试结果以及各自的优缺点。最后,对SpMV自动调优的发展趋势进行了分析和预测。

关键词：高性能科学计算稀疏矩阵自动调优稀疏矩阵向量乘

来源：评论

学校读者我要写书评

暂无评论

基于缓存数据重用的稀疏矩阵向量乘序列优化

引用

计算机研究与发展 2025年第6期62卷 1434-1442页

作者：徐传福邱昊中车永刚国防科技大学计算机学院长沙410073

稀疏线性方程组求解等高性能计算应用常常涉及稀疏矩阵向量乘(SpMV)序列Ax,A2x,…,Asx的计算.上述SpMV序列操作又称为稀疏矩阵幂函数(matrix power kernel,MPK).由于MPK执行多次SpMV且稀疏矩阵保持不变,在缓存(cache)中重用稀疏矩阵,可... 详细信息

稀疏线性方程组求解等高性能计算应用常常涉及稀疏矩阵向量乘(SpMV)序列Ax,A2x,…,Asx的计算.上述SpMV序列操作又称为稀疏矩阵幂函数(matrix power kernel,MPK).由于MPK执行多次SpMV且稀疏矩阵保持不变,在缓存(cache)中重用稀疏矩阵,可避免每次执行SpMV均从主存加载A,从而缓解SpMV访存受限问题,提升MPK性能.但缓存数据重用会导致相邻SpMV操作之间的数据依赖,现有MPK优化多针对单次SpMV调用,或在实现数据重用时引入过多额外开销.提出了缓存感知的MPK(cache-awareMPK,Ca-MPK),基于稀疏矩阵的依赖图,设计了体系结构感知的递归划分方法,将依赖图划分为适合缓存大小的子图/子矩阵,通过构建分割子图解耦数据依赖,根据特定顺序在子矩阵上调度执行SpMV,实现缓存数据重用.测试结果表明,Ca-MPK相对于Intel OneMKL库和最新MPK实现,平均性能提升分别多达约1.57倍和1.40倍.

关键词：稀疏矩阵向量乘矩阵幂函数缓存数据重用数据依赖稀疏线性方程组求解

来源：评论

学校读者我要写书评

暂无评论

基于异构平台的稀疏矩阵向量乘自适应计算优化

引用

计算机应用 2024年第12期44卷 3867-3875页

作者：李博黄建强黄东强王晓英青海大学计算机技术与应用系西宁810016 青海省智能计算与应用实验室(青海大学) 西宁810016

稀疏矩阵向量乘(SpMV)是一种重要的数值线性代数运算,现有的优化存在预处理及通信时间考虑不全面、存储结构不具有普适性等问题。为了解决这些问题,提出异构平台下SpMV的自适应优化方案。所提方案利用皮尔逊相关系数确定相关度高的特征... 详细信息

稀疏矩阵向量乘(SpMV)是一种重要的数值线性代数运算,现有的优化存在预处理及通信时间考虑不全面、存储结构不具有普适性等问题。为了解决这些问题,提出异构平台下SpMV的自适应优化方案。所提方案利用皮尔逊相关系数确定相关度高的特征参数,并使用基于梯度提升决策树(GBDT)的极端梯度提升(XGBoost)和轻量级梯度提升(LightGBM)算法训练预测模型,以确定某一稀疏矩阵更优的存储格式。利用网格搜索确定模型训练时更优的模型超参数,使这2种算法选择更适合的存储结构的准确率都超过85%。此外,对于预测存储结构为混合(HYB)格式的稀疏矩阵,在GPU和CPU上分别计算其中的等长列(ELL)与坐标(COO)存储格式部分,建立基于CPU+GPU的并行混合计算模式;同时为小数据量的稀疏矩阵选择硬件平台,提高运算速度。实验结果表明,自适应计算优化相较于cuSPARSE库中的压缩稀疏行(CSR)存储格式计算的平均加速比可以达到1.4,相较于按照HYB和ELL存储格式计算的平均加速比则可以分别达到2.1和2.6。

关键词：稀疏矩阵向量乘自适应优化皮尔逊相关系数极端梯度提升轻量级梯度提升机器学习

来源：评论

学校读者我要写书评

暂无评论

基于FPGA和行折叠的稀疏矩阵向量乘优化

引用

计算机工程与科学 2024年第8期46卷 1340-1348页

作者：周智高建花计卫星北京理工大学计算机学院北京100081

稀疏矩阵向量乘(SpMV)是科学与工程计算中的一个关键内核。由于稀疏矩阵中不规则的数据分布和SpMV计算中不规则的访存操作,SpMV在多核CPU和GPU等设备上的性能与这些设备的理论峰值还具有较大差距。现有的CPU和GPU由于在架构上受到限制,... 详细信息

稀疏矩阵向量乘(SpMV)是科学与工程计算中的一个关键内核。由于稀疏矩阵中不规则的数据分布和SpMV计算中不规则的访存操作,SpMV在多核CPU和GPU等设备上的性能与这些设备的理论峰值还具有较大差距。现有的CPU和GPU由于在架构上受到限制,导致它们无法很好地利用稀疏矩阵的特殊结构来加速SpMV计算,而现场可编程门阵列(FPGA)可以通过自定义电路实现高效的并行运算,能够更好地处理稀疏矩阵的计算和存储问题。基于FPGA提出了一种SpMV优化方法,该优化方法基于高级综合的流式处理引擎,采用了一种自适应多行折叠的SpMV优化策略。该方法通过行折叠减少了处理引擎中零元的无效存储和计算,从而提升了基于FPGA的SpMV计算性能。实验结果表明,相比于现有的FPGA实现方案,设计的基于行折叠优化的数据流引擎实现了最高1.78倍和平均1.15倍的加速。

关键词：稀疏矩阵向量乘现场可编程门阵列高级综合行折叠

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的稀疏矩阵向量乘运算性能预测模型

引用

计算机工程 2022年第2期48卷 86-91页

作者：曹中潇冯仰德王珏闵维潇姚铁锤高岳王丽华高付海中国科学院计算机网络信息中心北京100190 中国科学院大学北京100049 北京航空航天大学软件学院北京100191 中国原子能科学研究院北京102413

稀疏矩阵向量乘(SpMV)是求解稀疏线性方程组的计算核心,被广泛应用在经济学模型、信号处理等科学计算和工程应用中,对于SpMV及其调优技术的研究有助于提升解决相关领域问题的运算效率。传统SpMV自动调优方法基于硬件平台的体系结构参数... 详细信息

稀疏矩阵向量乘(SpMV)是求解稀疏线性方程组的计算核心,被广泛应用在经济学模型、信号处理等科学计算和工程应用中,对于SpMV及其调优技术的研究有助于提升解决相关领域问题的运算效率。传统SpMV自动调优方法基于硬件平台的体系结构参数设置来提升SpMV性能,但巨大的参数设置量导致搜索空间变大且自动调优耗时大幅增加。采用深度学习技术,基于卷积神经网络,构建由双通道稀疏矩阵特征融合以及稀疏矩阵特征与体系结构特征融合组成的SpMV运算性能预测模型,实现快速自动调优。为提高SpMV运算时间的预测精度,选取特征数据并利用箱形图统计SpMV时间信息,同时在佛罗里达稀疏矩阵数据集上进行实验设计与验证,结果表明,该模型的SpMV运算时间预测准确率达到80%以上,并且具有较强的泛化能力。

关键词：稀疏矩阵向量乘自动调优深度学习卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

基于PPR模型的稀疏矩阵向量乘及卷积性能优化研究

引用

计算机研究与发展 2021年第3期58卷 445-457页

作者：谢震谭光明孙凝晖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 中国科学院计算技术研究所北京100190 中国科学院大学计算机与控制学院北京100049

稀疏矩阵向量乘和卷积作为高性能计算的两大计算核心,是非规则和规则访存的典型代表.目前已经做了许多针对性的优化工作,但是对于大量运行着不同指令集和拥有不同计算和访存性能的机器,仍然无法判定在特定的体系结构下导致性能效率无法... 详细信息

稀疏矩阵向量乘和卷积作为高性能计算的两大计算核心,是非规则和规则访存的典型代表.目前已经做了许多针对性的优化工作,但是对于大量运行着不同指令集和拥有不同计算和访存性能的机器,仍然无法判定在特定的体系结构下导致性能效率无法被完全释放的主要原因及性能瓶颈,同时也很难准确预测出程序在特定机器上可达到的最佳性能.通过使用性能模型方法,建模程序在真实机器上的运行细节,可以得出更加精确的性能预测,并且根据模型输出的反馈信息提出针对性的优化指导.提出了PPR(probability-process-ram)模型,并在一个通用处理器上建模程序内指令执行和数据传输开销,其中包括使用模型预测各种指令数量及内存层次之间的数据传输大小去分析程序各个阶段的性能瓶颈,并且根据模型反馈的信息提出优化方案以及优化后的性能期望.最终使用PPR建模和优化2个计算核心,同时也比较了与常用的Roofline和ECM模型的区别.

关键词：性能模型反馈优化稀疏矩阵向量乘卷积 cache模拟器

来源：评论

学校读者我要写书评

暂无评论

一种大型复数稀疏矩阵向量乘加速计算的数据处理方法

一种大型复数稀疏矩阵向量乘加速计算的数据处理方法

引用

作者：肖调杰程旭龚春叶杨博刘杰甘新标李胜国陈旭光陈新海张庆阳 410073 湖南省长沙市开福区德雅路109号

本申请提供一种大型复数稀疏矩阵向量乘加速计算的数据处理方法，应用于电磁计算等领域的大型复数稀疏矩阵方程组的迭代求解，采用微分方程法对待计算的物理模型进行数值模拟/仿真，确定出复数稀疏线性刚度矩阵，并将复数稀疏线性刚度... 详细信息

标准号: CN118113978A

本申请提供一种大型复数稀疏矩阵向量乘加速计算的数据处理方法，应用于电磁计算等领域的大型复数稀疏矩阵方程组的迭代求解，采用微分方程法对待计算的物理模型进行数值模拟/仿真，确定出复数稀疏线性刚度矩阵，并将复数稀疏线性刚度矩阵转换为四个实数矩阵形式的子矩阵，形成实数合矩阵后采用CSR存储格式进行存储，再将CSR存储格式转换为设计的Twice‑CSR格式，实现迭代求解中的SPMV优化，进行加速求解计算。本方案可以使方程组在访问内存上连续，避免方程组在求解过程中访问右端向量时的大量高速缓存缺失情况，充分利用好向量加速硬件的性能，降低访存开销，增加单次访存计算量，提高计算访存比，从而提升整体运行速度。

关键词：复数方程组求解矩阵线性刚度迭代稀疏向量稀疏矩阵向量乘存储格式转换高速缓存缺失微分方程法存储格式电磁计算加速硬件矩阵转换求解过程实数矩阵数值模拟物理模型稀疏矩阵数据处理实数计算量子矩阵内存存储访问申请优化应用

来源：评论

学校读者我要写书评

暂无评论

面向稀疏矩阵向量乘计算的软硬件协同设计方法和框架

面向稀疏矩阵向量乘计算的软硬件协同设计方法和框架

引用

作者：刘大江田明浩 400044 重庆市沙坪坝区沙正街174号

本申请提出了一种面向稀疏矩阵向量乘计算的软硬件协同设计方法，涉及计算机体系结构技术领域，其中，该方法包括：根据矩阵参数和设备参数定义可扩展的压缩数据格式；评估不同的参数组合在矩阵上的性能，确定最优参数组合，其中，最优... 详细信息

标准号: CN118245110A

本申请提出了一种面向稀疏矩阵向量乘计算的软硬件协同设计方法，涉及计算机体系结构技术领域，其中，该方法包括：根据矩阵参数和设备参数定义可扩展的压缩数据格式；评估不同的参数组合在矩阵上的性能，确定最优参数组合，其中，最优参数组合包括批次高度H、批次宽度W、组大小N、端口数量P；基于最优参数组合，根据预定义的模板确定硬件参数，并确定对应的SpMV加速器；基于最优参数组合和定义的可扩展的压缩数据格式，使用重排序算法对矩阵和对应的向量进行数据打包，生成压缩存储数据并在SpMV加速器上执行，完成矩阵向量的乘计算。采用上述方案的本发明能够有效提升SpMV任务的带宽利用率。

关键词：最优参数压缩数据格式矩阵加速器可扩展计算机体系结构稀疏矩阵向量乘带宽利用率软硬件协同参数组合矩阵参数矩阵向量模板确定设备参数数据打包压缩存储硬件参数预定义重排序算法向量评估申请

来源：评论

学校读者我要写书评

暂无评论

基于非空列存储的稀疏矩阵向量乘加速方法及装置

基于非空列存储的稀疏矩阵向量乘加速方法及装置

引用

作者：贾海鹏张云泉王麓涵 100080 北京市海淀区中关村科学院南路6号

本发明提出一种基于非空列存储的稀疏矩阵向量乘加速方法和装置。本发明通过分析传统稀疏矩阵向量乘法实现在输入稠密向量访存上的局限性，提出并设计了一种在CPU上实现高性能稀疏矩阵向量乘法的新的存储格式。通过预处理阶段对稀疏矩... 详细信息

标准号: CN117539546A

本发明提出一种基于非空列存储的稀疏矩阵向量乘加速方法和装置。本发明通过分析传统稀疏矩阵向量乘法实现在输入稠密向量访存上的局限性，提出并设计了一种在CPU上实现高性能稀疏矩阵向量乘法的新的存储格式。通过预处理阶段对稀疏矩阵向量乘法中的稀疏矩阵进行格式转换，不仅实现了稀疏矩阵向量乘法的高性能，而且实现了在不同CPU上的性能可移植。

关键词：稀疏矩阵向量乘法稀疏矩阵向量乘方法和装置预处理阶段存储格式格式转换可移植列存储向量稠密分析

来源：评论

学校读者我要写书评

暂无评论

图计算中稀疏矩阵向量乘的自适应方法与装置

图计算中稀疏矩阵向量乘的自适应方法与装置

引用

作者：肖国庆周涛李肯立陈玥丹段明星唐卓阳王东刘楚波周旭罗辉章 410013 湖南省长沙市岳麓区麓山南路

本申请涉及一种图计算中稀疏矩阵向量乘的自适应方法与装置，其中，方法包括：获取图计算中稀疏矩阵，并提取稀疏矩阵的稀疏特征；获取输入的稀疏向量，提取稀疏向量特征；根据稀疏矩阵以及稀疏向量特征，采用预设决策树模型进行最优算... 详细信息

标准号: CN118132911A

本申请涉及一种图计算中稀疏矩阵向量乘的自适应方法与装置，其中，方法包括：获取图计算中稀疏矩阵，并提取稀疏矩阵的稀疏特征；获取输入的稀疏向量，提取稀疏向量特征；根据稀疏矩阵以及稀疏向量特征，采用预设决策树模型进行最优算法选择；根据稀疏矩阵以及稀疏向量特征，并采用选择的最优算法进行计算，迭代返回获取图计算中稀疏矩阵，并提取稀疏矩阵的稀疏特征的步骤，直至满足预设迭代结束条件；决策树模型在训练时构建稀疏矩阵向量乘候选计算内核列表，在图算法的迭代过程中，选择最优算法，同时针对输入的稀疏矩阵分别获取稀疏特征和稀疏向量特征，确保预设决策树模型准确预测，因此，整个方案可以实现图计算中稀疏矩阵向量乘的自适应处理。

关键词：稀疏矩阵稀疏向量图计算稀疏矩阵向量乘决策树模型稀疏特征最优算法预设迭代结束条件自适应处理迭代过程自适应迭代构建内核返回预测申请

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：