摘要
[1] 2020 . Suite稀疏矩阵集合 。检索自 http://官能.cse.tamu.edu/davis/suitesparse.html . 谷歌学者 
[2] . 混合波特兰模式库 . 谷歌学者 [3] . 对象切片。 波特兰模式库 . 谷歌学者 [4] 2020 ). xSDK示例检索自 https://xsdk.info/release-0-5-0/ . 谷歌学者 [5] 2020亿 ). xSDK：极端规模的科学软件开发工具包 检索自 https://xsdk.info网址/ . 谷歌学者 [6] 2018 ). 更好的科学软件 检索自 https://bssw.io网址/ . 谷歌学者 [7] 2018 ). 谷歌测试 。检索自 https://github.com/google/googletest网站 . 谷歌学者 [8] . 2018 . 交易。 II库，版本9.0 . 数值数学杂志 26 , 4 , ( 2018 ), 173 – 183 . 谷歌学者 交叉引用 
[9] . 1999 . LAPACK用户指南 . 工业和应用数学学会，第三届。 预计起飞时间 . 费城 谷歌学者 [10] . 2019 . 模块化有限元方法库 . https://www.sciencedirect.com/science/article/abs/pii/S0898122120302583？通过%3Dihub 谷歌学者 [11] . 2019 . 走向持续基准测试：高性能软件的自动化性能评估框架 .英寸 高级科学计算平台会议记录 , 1 – 11 . 谷歌学者 数字图书馆 
[12] . 2015 . 预处理的迭代稀疏三角解 .英寸 欧洲并行处理会议记录 , 柏林施普林格 , 650 – 661 谷歌学者 交叉引用 [13] . 2018 . Parilu——一种新的并行阈值ilu分解 . SIAM J.科学。 计算。 40 , 4 , ( 2018 ) C503–C519 . 谷歌学者 交叉引用 [14] . 2020 . 银杏：一个高性能的数值线性代数库 . 开源软件杂志 , 5 , 52 ( 2020 ), 2260 . 谷歌学者 交叉引用 [15] . 2019 . 迭代稀疏线性系统求解器块jacobi预处理的自适应精度 . 并行与计算：实践与经验 31 , 6 , 2019 , 第4460页 . 谷歌学者 交叉引用 [16] . 2019 . 图形处理器上块jacobi预处理的可变大小分批高斯-乔丹消去 . 并行计算。 81 , ( 2019 ), 131 – 146 . 谷歌学者 交叉引用 [17] . 2018 . 并行预处理的不完全稀疏近似逆 . 并行计算。 71 , ( 2018 ), 1 – 22 . 谷歌学者 交叉引用 [18] . 2019 . ParILUT-GPU的并行阈值ILU . 2019 IEEE国际并行和分布式处理研讨会 . 231 – 241 . 谷歌学者 [19] . 2015 . GPU上计算不完全分解的异步迭代算法 .英寸 高性能计算国际会议记录 , 施普林格 , 1 – 16 . 谷歌学者 交叉引用 [20] 1995 . 奇怪地重复出现的模板模式 .C++报告。 谷歌学者 数字图书馆 [21] . 2016 . GPU-STREAM v2.0：跨不同并行编程模型对多核处理器可实现的内存带宽进行基准测试 .英寸 ，个编辑 高性能计算 , 施普林格 . 489 – 507 . 谷歌学者 [22] . 2021 . 银杏线性代数软件中用于高性能预处理的自适应精确块jacobi . ACM数学软件交易 , 47 , 2 ( 2021 ), 1–12. 谷歌学者 数字图书馆 [23] . 1994 . 设计模式：可重用面向对象软件的元素 （第1版）。 Addison-Wesley专业版 . 谷歌学者 数字图书馆 [24] . 2020 . 迭代三角解的多精度块-jacobi .英寸 欧洲并行处理会议记录 , 施普林格 , 546 – 560 . 谷歌学者 交叉引用 [25] . 2019 . 用于深入性能分析的Papi软件定义事件 . 国际高性能计算应用杂志 33 , 6 ( 2019 ), 1113 – 1127 . 谷歌学者 数字图书馆 [26] . 1995 . 设计模式：可重用面向对象软件的元素 . 出版商 . 谷歌学者 数字图书馆 [27] . 1979 . fortran使用的基本线性代数子程序 . 数学软件交易 5 , 三 ( 1979 ), 308 – 323 . 谷歌学者 数字图书馆 [28] . 2003 . 稀疏线性系统的迭代方法 . ( 工业与应用数学学会 ). （第2版）。 谷歌学者 数字图书馆 [29] . 2020年 . AMD和NVIDIA GPU上的稀疏线性代数-比赛开始了 .英寸 高性能计算国际会议记录 , 施普林格 , 309 – 327 . 谷歌学者 数字图书馆 [30] . 2020亿 . 为amd gpus准备银杏–关于将cuda代码移植到hip的证明 . https://link.springer.com/chapter/10.1007/978-3-030-71593-9_9 谷歌学者
建议
“银杏：用于高性能计算的现代线性算子代数框架”的复制计算结果报告 Anzt等人的文章标题为“银杏：用于高性能计算的现代线性算子代数框架”。 为稀疏线性代数提供了一个现代的、以线性运算符为中心的C++库。 本文的实验结果表明。。。 用于ESX虚拟机监控程序上高性能通用计算的GPU虚拟化 HPC’14：高性能计算研讨会论文集 图形处理单元（GPU）以其大规模并行计算能力和能效成为高性能计算（HPC）系统中的重要组件。 虚拟化技术越来越多地应用于HPC以减少。。。 用于高性能计算的系统级虚拟化 PDP’08：第16届并行、分布式和基于网络的处理欧洲微观会议记录（PDP 2008） 系统级虚拟化自70年代以来一直是一个研究主题，但由于Xen等高效解决方案的可用性以及商品处理器中硬件支持的实现（例如。。。
