Wyszukiwarka
Abstrakt
A matrix times vector multiplication (matvec) is a cornerstone operation in iterative methods of solving large sparse systems of equations such as the conjugate gradients method (cg), the minimal residual method (minres), the generalized residual method (gmres) and exerts an influence on overall performance of those methods. An implementation of matvec is particularly demanding when one executes computations on a GPU (Graphics Processing Unit), because using this device one has to comply with certain programming rules in order to take advantage of parallel computing. In this paper, it will be shown how to modify the sparse matrix-vector multiplication based on CRS (Compressed Row Storage) to achieve about 3-5 times better performance on - a low cost - GPU (GeForce GTX 285, 1.48 GHz) than on a CPU (Intel Core i7, 2.67 GHz).
Autorzy (2)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
- Opublikowano w:
-
Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
strony 307 - 312,
ISSN: 1732-1166 - Język:
- angielski
- Rok wydania:
- 2010
- Opis bibliograficzny:
- Dziekoński A., Mrozowski M.: Tuning matrix-vector multiplication on GPU// Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne. -., (2010), s.307-312
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 208 razy
Publikacje, które mogą cię zainteresować
Characterizing the Scalability of Graph Convolutional Networks on Intel® PIUMA
- M. J. Adiletta,
- J. J. Tithi,
- E. Farsarakis
- + 9 autorów