.png){kind=icon}
返回
cuFastTucker-2L: A Two-Level Optimization Parallel Algorithm for Solving FastTucker Decomposition on GPU Platform
.png){kind=icon}
PRE
AI
DOI：10.1109/tpds.2026.3706077.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高阶、高维、大规模稀疏张量（HHLST）在各个科学研究中得到广泛应用，使得直接分析和学习HHLST变得越来越不切实际。张量分解技术为分析和学习HHLST提供了强大的方法；然而，现有的并行张量分解库无法有效处理HHLST。尽管引入FastTucker分解缓解了Tucker分解带来的巨大计算和内存开销，但当前FastTucker分解算法的并行性仍受限于分解的秩。为解决这些限制，本文提出了一种新颖的两级并行FastTucker分解算法FastTucker-2L，支持更大秩的FastTucker分解用于HHLST。此外，在CUDA GPU平台上实现了一种高效的并行稀疏FastTucker-2L算法cuFastTucker-2L，其高层优化专注于稀疏CP分解。实验结果表明，FastTucker-2L算法的高层优化相比最先进的稀疏CP分解算法实现了5.00倍至175.00倍的速度提升，而整体FastTucker-2L算法相比最先进的稀疏FastTucker分解算法实现了1.98倍至2.45倍的速度提升。
Keyword:
GPU CUDA parallelization
CP decomposition
tucker decomposition
FastTucker decomposition
sparse tensor decomposition
tensor computation
期刊
IF:
6
论文数:
5.2K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏cuFastTuckerPlusTC: A Stochastic Parallel Sparse FastTucker Decomposition Using GPU Tensor CorescuFastTuckerPlusTC: 一种基于GPU张量核心的随机并行稀疏FastTucker分解方法
PREAI
分享收藏
查看更多内容