计算机工程与科学

作者：阳王东1,2 ,李肯立2

单位：1.湖南城市学院信息科学与工程学院,湖南 益阳 413000;2.湖南大学信息科学与工程学院,湖南 长沙 410008

关键词：GPU,稀疏矩阵,SpMV,CUDA,异构计算,

基金：国家自然科学基金重点项目（61432005）;国家自然科学基金（61472124,61572175）;湖南省科技计划项目（2015SK200062）

稀疏矩阵与向量相乘SpMV是求解稀疏线性系统中的一个重要问题,但是由于非零元素的稀疏性,计算密度较低,造成计算效率不高。针对稀疏矩阵存在的一些不规则性,利用混合存储格式来进行SpMV计算,能够提高对稀疏矩阵的压缩效率,并扩大其适应范围。HYB是一种广泛使用的混合压缩格式,其性能较为稳定。而随着GPU并行计算得到普遍应用以及CPU日趋多核化,因此利用GPU和多核CPU构建异构并行计算系统得到了普遍的认可。针对稀疏矩阵的HYB存储格式中的ELL和COO存储特征,把两部分数据分别分割到CPU和GPU进行协同并行计算,既能充分利用CPU和GPU的计算资源,又能够发挥CPU和GPU的计算特性,从而提高了计算资源的利用效能。在分析CPU+GPU异构计算模式的特征的基础上,对混合格式的数据分割和共享方面进行优化,能够较好地发挥在异构计算环境的优势,提高计算性能。

来源：2016年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2016年第2期