稀疏矩阵向量乘法的轻量级优化选择方法
摘要：优化选择方法对于普遍的稀疏矩阵-向量乘法（SpMV）核提出了一种方法。我们提出了两个模型，试图识别每个问题实例中核心的主要性能瓶颈，然后选择适当的优化来解决它。我们的第一个模型需要在线分析输入矩阵以检测其主要的性能问题，而我们的第二个模型则只使用稀疏矩阵的全面结构特征。由于应用程序和架构的感知性，我们的方法在不同平台和稀疏矩阵上都能提供高性能的稳定性。我们的实验结果表明，a）我们的方法能够区分和适当优化多核平台上不属于标准内存带宽限制矩阵类别的特殊矩阵；b）与以架构为中心的优化相比，选择了适当的优化方法可以在众多矩阵中实现29%的性能增益。由于运行时开销相当于几十个SpMV操作，我们的方法在迭代数值求解器的实际应用中具有实际意义。
作者：Athena Elafrou, Georgios Goumas, Nectarios Koziris
论文ID：1511.02494
分类：Performance
分类简称：cs.PF
提交时间：2016-01-12