clSpMV:GPU上的跨平台OpenCL-SpMV框架

稀疏矩阵向量乘法（SpMV）核是线性代数中的一个关键计算。大多数迭代方法由带有BLAS1更新的SpMV操作组成。因此，研究人员对稀疏线性代数中的SpMV核进行了广泛的优化。OpenCL是一种编程语言，它可以跨多种异构平台标准化并行编程，随着OpenCL的出现，我们能够在许多不同的平台上优化SpMV内核。在本文中，我们提出了一种新的稀疏矩阵格式，即鸡尾酒格式，以利用许多不同稀疏矩阵格式的优势。基于鸡尾酒会格式，我们开发了能够在运行时分析各种稀疏矩阵的clSpMV框架，并推荐了给定稀疏矩阵在不同平台上的最佳表示。尽管与专用于特定平台的解决方案相比，可跨不同平台移植的解决方案通常性能较低，但我们的实验结果表明，clSpMV可以在Nvidia和AMD平台上找到输入稀疏矩阵的最佳表示，与[3]中提议的混合稀疏格式的供应商优化CUDA实现相比，性能提高了83%，与[3]的所有稀疏格式的CUDA实现相比较，性能提高63.6%。