选择粗化函数优化并行稀疏矩阵向量乘法

叶纬材

您当前的位置：

首页 >

文章列表页 >

选择粗化函数优化并行稀疏矩阵向量乘法

研究论文 | 更新时间：2023-12-11

- 选择粗化函数优化并行稀疏矩阵向量乘法
- Optimizing Parallel Sparse MatrixVector Multiplication by Selected Contraction Functions
- 中山大学学报(自然科学版)(中英文) 2012年51卷第5期页码：50-53
- 作者机构：
  
  中山大学数学与计算科学学院//广东省计算科学重点实验室,广东,广州,510275
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：2012，
  
  网络出版日期：2012-9-25，
扫描看全文
叶纬材. 选择粗化函数优化并行稀疏矩阵向量乘法[J]. 中山大学学报(自然科学版)(中英文), 2012,51(5):50-53.

YE Weicai. Optimizing Parallel Sparse MatrixVector Multiplication by Selected Contraction Functions[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2012,51(5):50-53.
叶纬材. 选择粗化函数优化并行稀疏矩阵向量乘法[J]. 中山大学学报(自然科学版)(中英文), 2012,51(5):50-53. DOI：

YE Weicai. Optimizing Parallel Sparse MatrixVector Multiplication by Selected Contraction Functions[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2012,51(5):50-53. DOI：

摘要

讨论了如何分划稀疏矩阵的非零元素以减少并行矩阵向量乘法的通信代价。通过以粗化函数为工具，统一现有的数据分划方法；提出一种基于行列分划为初解的粗化函数选取方法，在理论上的证明其运行效率与分划质量不逊于一维数据分划方法；实验数据表明，该方法产生分划质量超过一维数据分划方法的结果，接近甚至超过二维细粒度方上法的结果。

Abstract

A new method is presented for distributing data in sparse matrix-vector multiplication by selected contraction functions. And the contraction functions are selected. The quality and the complexity of this method are theoretically ensured not to worse than those of traditional one-dimensional partitioning methods. Experimental results show that this method often produces better results than one-dimensional methods and is competitive with the best two-dimensional methods.

关键词

选择粗化函数数据分划并行稀疏矩阵向量乘法

Keywords

selected contraction functiondata partitioningparallelsparse matrix-vector multiplication

references

浏览量

399

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据