×
斯坦尼米尔·托莫夫；杰克·东加拉；马克·巴布林

面向混合GPU加速多核系统的稠密线性代数。 （英语） Zbl 1204.68268号

并行计算。 36，编号5-6，232-240（2010）.
摘要：我们强调了导致使用混合多核+GPU系统进行高性能计算的吸引力增加的趋势。我们提出了一组技术，可用于为这些系统开发高效的稠密线性代数算法。我们通过开发混合LU分解算法来说明主要思想，在该算法中，我们将计算拆分到多核和图形处理器上，并使用特定技术来减少混合组件之间的旋转和通信量。这就产生了一种高效的算法，可以平衡使用多核处理器和图形处理器。

引用于25文件

MSC公司：

68宽10 计算机科学中的并行算法
68M99型 计算机系统组织
65层99 数值线性代数
第65年 并行数值计算

关键词：

混合计算；稠密线性代数；并行算法；多核处理器；图形处理单元

软件：

LINPACK系列；CUDA公司；mctoolbox软件；LAPACK公司；GEMM公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Tomov}等人，《并行计算》。36，编号5--6232-240（2010；Zbl 1204.68268）
全文： 内政部 链接

参考文献：

[1] E.Anderson，Z.Bai，C.Bischof，S.Blackford，J.Demmel，J.Dongarra，J.Du Croz，A.Greenbaum，S.Hammarling，A.McKenney，D.Sorensen，LAPACK用户指南，SIAM，第三版，1999年·Zbl 0934.65030号
[2] M.Baboulin，J.Dongarra，S.Tomov，多核和特殊用途架构的稠密线性代数中的一些问题，技术报告UT-CS-08-615，田纳西大学，2008，LAPACK工作注释200。
[3] G.Ballard，J.Demmel，O.Holtz，O.Schwartz，《线性代数中通信最小化》，技术报告，LAPACK工作注释2182009年5月·Zbl 1246.68128号
[4] S.Barrachina、M.Castillo、F.Igual、R.Mayo、E.Quintana-Ortí，《在图形处理器上求解密集线性系统》，技术报告ICC 02-02-2008，詹姆大学，2008年2月。
[5] A.Buttari，J.Dongarra，J.Kurzak，J.Langou，P.Luszczek，S.Tomov，《多核对数学软件的影响》，PARA 2006，收录于：B.Kágström等人（编辑），《计算机科学讲义》，第4699卷，Springer，2007年，第1-10页。
[6] Buttari，A。；Dongarra，J。；Kurzak，J。；Luszczek，P。；Tomov，S.：使用混合精度进行稀疏矩阵计算，以提高性能，同时达到64位精度，ACM转换。数学。软件34，No.4（2008）·Zbl 1190.65117号 ·数字对象标识代码：10.1145/1377596.1377597
[7] A.Buttari，J.Langou，J.Kurzak，J.Dongarra，一类用于多核架构的并行平铺线性代数算法，技术报告UT-CS-07-600，田纳西大学，2007年，LAPACK工作说明191。
[8] J.Demmel，J.Dongarra，B.Parlett，W.Kahan，M.Gu，D.Bindel，Y.Hida，X.Li，O.Marques，E.Riedy，C.Vömel，J.Langou，P.Luszczek，J.Kurzak，A.Buttari，J.Longou，S.Tomov，下一个LAPACK和ScaLAPACK.库的招股说明书，收录于：PARA'06：科学和并行计算的最新技术（瑞典乌梅），高性能计算中心北（HPC2N）和计算科学系，乌梅大学，施普林格，2006年6月。
[9] J.Demmel，L.Grigori，M.Hoemmen，J.Langou，通信-避免并行和顺序QR分解，CoRR abs/0806.2159，2008年·兹比尔1241.65028
[10] Dongarra，J。；Luszczek，P。；Petitet，A.：LINPACK基准：过去、现在和未来，并发和计算：实践和经验15820（2003）
[11] J.Dongarra、S.Moore、G.Peterson、S.Tomov、J.Allred、V.Natoli、D.Richie，《探索空军应用CFD加速的新架构》，载于《2008年HPCMP用户小组会议论文集》，2008年7月14日至17日&书信电报；网址：http://www.cs.utk.edu/tomov/ugc2008_final.pdf&gt；。
[12] K.Fatahalian，J.Sugerman，P.Hanrahan，《了解矩阵乘法的GPU算法的效率》，载于：HWWS’04：ACM Siggraph/Eurographics图形硬件会议论文集（美国纽约州纽约市），ACM，2004年，第133-137页。
[13] M.Fatica，用CUDA加速异构集群上的LINPACK，载于：GPGPU-2:图形处理单元通用处理第二次研讨会论文集（美国纽约州纽约市），美国计算机学会，2009年，第46-51页。
[14] N.Galoppo，N.Govindaraju，M.Henson，D.Manocha，LU-GPU:图形硬件上求解密集线性系统的高效算法，收录于：SC'05:2005年ACM/IEEE超级计算会议论文集（美国华盛顿特区），IEEE计算机学会，2005年，第3页。
[15] L.Grigori，J.Demmel，H.Xiang，《避免高斯消除的通信》，技术报告6523，INRIA，2008年。
[16] Wolfgang Gruener、Larrabee、CUDA和TGDaily免费午餐的追求&书信电报；http://www.tgdaily.com/content/view/38750/113/2008年8月&gt；。
[17] Higham，N.：数值算法的准确性和稳定性，（2002年）·Zbl 1011.65010号 ·数字对象标识代码：10.1137/1.9780898718027
[18] Hruska，J.：AMD融合现在被推迟到2011年，Art technica（2008）
[19] 科格斯特罗姆，B。；Ling，P。；Van Loan，C.：基于GEMM的3级BLAS：高性能模型实现和性能评估基准，ACM trans。数学。软件24，No.3，268-302（1998）·Zbl 0930.65047号 ·doi:10.1145/292395.292412
[20] Julie Langou、Julien Langou和P.Luszczek、J.Kurzak、A.Buttari和J.Dongarra，《利用32位浮点算法在获得64位精度方面的性能》（重新审视线性系统的迭代求精），载于：SC'06：2006年ACM/IEEE超级计算会议论文集（美国纽约州纽约市），ACM，2006年，第113页。
[21] Y.Li，J.Dongarra，S.Tomov，关于GPU的GEMM自动调整的说明，技术报告，LAPACK工作说明2122009年1月。
[22] NVIDIA，NVIDIA Tesla将CUDA开发人员的性能提高了一倍，《计算机图形世界》（2008年6月30日）。
[23] NVIDIA，NVIDIA-CUDA编程指南，6/07/2008，2.0版。
[24] J·欧文斯。；马萨诸塞州休斯顿。；Luebke，D。；格林，S。；斯通，J。；Phillips，J.：GPU计算，IEEE 96论文集，第5期，879-899（2008）
[25] J·欧文斯。；Luebke，D。；Govindaraju，N。；哈里斯，M。；Krüger，J。；Lefohn，A。；Purcell，T.：图形硬件通用计算综述，计算。图形论坛26，第1期，80-113（2007）
[26] D.Parker，《随机蝴蝶变换及其在计算线性代数中的应用》，技术报告CSD-950023，加州大学洛杉矶分校计算机科学系，1995年。
[27] D.Parker，B.Pierce，《随机FFT：高斯消去法中旋转的替代方法》，技术报告CSD-950037，加州大学洛杉矶分校计算机科学系，1995年。
[28] 法尔，M。；Fernando，R.：GPU gems 2:高性能图形和通用计算的编程技术（GPU gems），（2005）
[29] G.Quintana-Ortí，F.Igual，E.Quintana-Ortí，R.van de Geijn，用多个硬件加速器在平台上求解稠密线性系统，收录于：PPoPP’09：第14届ACM SIGPLAN并行编程原理与实践研讨会论文集（美国纽约州纽约市），ACM，2009年，第121-130页·Zbl 1201.68039号
[30] G.Quintana-Orti、E.Quintana-Orti、E.Chan、F.van Zee、R.van de Geijn，多线程架构上矩阵计算的逐块编程算法，技术报告TR-08-04，德克萨斯大学奥斯汀分校，2008年，FLAME工作说明29。
[31] 塞勒，L。；Carmean，D。；Sprangle，E。；Forsyth，T。；M.Abrash。；杜贝，P。；Junkins，S。；A.湖。；苏格曼，J。；卡文，R。；Espasa，R。；Grochowski，E。；Juan，T。；Hanrahan，P.：Larrabee：视觉计算的多核（86倍）架构，ACM trans。图表。27，第3号，1-15（2008）
[32] S.Tomov，M.Baboulin，J.Dongarra，S.Moore，V.Natoli，G.Peterson，D.Richie，《加速密集线性代数的专用硬件和算法》，收录于：科学计算的并行处理，亚特兰大，2008年3月12日至14日&书信电报；网址：http://www.cs.utk.edu/tomov/PP8_tomov.pdf格式&gt；。
[33] S.Tomov，J.Dongarra，《通过基于GPU的混合计算加速向上Hessenberg形态的还原》，《219号技术报告》，LAPACK工作说明，2009年5月·Zbl 1214.65020号
[34] V.Volkov，J.Demmel，《调整稠密线性代数的基准gpu》，收录于：SC'08：2008年ACM/IEEE超级计算会议论文集（美国新泽西州皮斯卡塔韦），IEEE出版社，2008年，第1-11页。
[35] LU，QR，使用GPU向量功能的Cholesky因子分解，技术报告UCB/EECS-2008-49，加州大学伯克利分校EECS系，2008年5月。
[36] 《使用GPU加速线性代数例程》，2008年1月9日，PAR实验室冬季务虚会海报&书信电报；http://www.eecs.berkeley.edu/volkov/volkov08-parlab.pdf&gt；。
[37] 使用图形硬件的通用计算，&lt；http://www.gpgpu.org>.
[38] Nvidia cuda区&书信电报；http://www.nvidia.com/object/cuda_home.html>.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。