层次性能建模用于排名稠密线性代数算法
摘要：用于Dense线性代数运算，如LU分解或三角矩阵求逆，通常使用分块算法进行。对于这类操作，通常存在许多不同的算法变体；每个变体在计算架构、库和问题规模的不同情况下都具有不同的性能。我们提出了一种在不执行算法的情况下，根据给定场景评估算法变体性能的方法和工具。 为此，我们确定了构建算法的例程。第一个工具 - Sampler - 用于测量这些例程的性能。使用Sampler，第二个工具模拟它们的性能。然后，生成的模型用于预测所考虑算法的性能。对于给定的场景，这些预测可以让我们正确地根据性能对算法进行排序，而无需执行它们。借助相同的工具，还可以对算法参数（如块大小）进行最优调整。
作者：Elmar Peise (1) ((1) AICES, RWTH Aachen)
论文ID：1207.5217
分类：Performance
分类简称：cs.PF
提交时间：2012-08-28