稀疏矩阵向量乘的访存分析和优化

扫码查看

原文链接

NETL

中文摘要：稀疏矩阵向量乘(SpMV)是科学计算中最重要的核心算法之一。理论分析和实际测试结果都表明，SpMV属于访存密集型应用。由于目前主流编译器尚不能充分利用现代处理器的访存特性，SpMV对带宽利用率仅为10%。本文通过探索现代处理器的访存特征，使用单指令流多数据流（SIMD）对SpMV进行流水线访存优化。实验表明与标准SpMV相比，优化后的SpMV在Intel Nehalem和SandyBridge架构上流水线性能分别有63%和89%的提升，在AMD Opteron 6168和Opteron 8374 HE上分别有30%和36%的提升。SpMV在实际矩阵进行的性能测试中，Intel Nehalem和SandyBridge架构上均有10%的性能提高。

作者：

张秀霞、陈明宇、李佳佳、谭光明

展开 >

作者单位：

中国科学院计算技术研究所,北京100190

关键词：

稀疏矩阵向量乘流水线科学计算访存特性处理器单指令流多数据流性能测试

主办单位：

中国计算机学会

会议名称：

2011年全国高性能计算学术年会(HPC china2011)

会议时间：

2011-10-26

会议地点：

济南

会议母体文献：

2011年全国高性能计算学术年会(HPC china2011)论文集

页码：

1-4

出版时间：

2011