基于GPU的稀疏矩陣運算優(yōu)化研究.pdf

1、大規(guī)模稀疏矩陣的求解是高性能計算中的一個常見問題,廣泛存在于工程實踐尤其是計算機仿真領域。用常規(guī)方法解稀疏矩陣時,會浪費大量的計算資源。目前,在國內(nèi)外,在通用計算領域?qū)ο∈杈仃嚨倪\算研究較少。已有的研究主要是實現(xiàn)稀疏矩陣和向量之間的乘法運算。
　　研究GPU上的稀疏矩陣向量乘法運算的實現(xiàn)并優(yōu)化。針對于稀疏矩陣非零元素分布不均造成的空轉(zhuǎn)問題以及同一線程組中線程不能合并訪存的問題,提出了一種分段行合并存儲策略的稀疏矩陣向量乘方法。針對

2、于一個線程組內(nèi)的線程間計算量負載不均衡而造成的線程間等待問題以及因線程不滿足對全局存儲器的合并訪問要求而造成的訪存延遲問題,提出了一種按行分塊存儲策略的稀疏矩陣向量乘方法。并針對以上兩種方法實現(xiàn)了全局存儲器的訪存優(yōu)化并使用紋理存儲器和常數(shù)存儲器對運算進行加速。實現(xiàn)了GPU上的稀疏矩陣線性方程求解的雅可比迭代法和廣義最小殘量法并優(yōu)化。提出的優(yōu)化方法可以推廣至所有的GPU下求解稀疏矩陣線性方程的迭代法上,具有普遍意義。最后給出了主機設備通信