.png){kind=icon}
返回
GFSAI: An Adaptive Factorized Sparse Approximate Inverse Preconditioning Algorithm on GPU
.png){kind=icon}
PRE
AI
DOI：10.1002/cpe.70552.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
因子化稀疏近似逆（FSAI）预条件子已被证明能有效加速迭代方法的收敛。由于构建FSAI预条件子的成本较高，在图形处理器（GPU）上加速它已引起广泛关注。然而，尽管现有的一些GPU上的FSAI预条件算法得到了发展，但它们在遇到不适合其矩阵类型时性能会显著下降。这促使我们研究如何在GPU上设计有效的FSAI预条件算法。在本文中，我们提出了一种自适应FSAI预条件算法，称为GFSAI-Adaptive，以解决上述问题。在GFSAI-Adaptive中，首先，针对两种特殊类型的SPD矩阵提出了两种自适应线程分配策略，以确保分配的线程得到充分利用。其次，基于提出的两种线程分配策略，提出了两种FSAI核，称为GFSAII和GFSAIII。第三，我们构建了一个新的图卷积网络，并据此提出一个搜索引擎，用于从GFSAII和GFSAIII中选择最优核，以处理不属于两种特殊类型的矩阵。实验结果表明，我们提出的GFSAI-Adaptive是有效的，并且在性能上优于公共CUSPARSE库中的一种流行预条件算法以及一种最新的GPU并行静态FSAI预条件算法。
Keyword:
CUDA
factorized sparse approximate inverse
GPU
preconditioning
symmetric positive definite matrix
期刊
C
IF:
1.5
论文数:
473
被引数:
0
机构
引用论文
.png){kind=icon}
Bi-CGSTAB: A Fast and Smoothly Converging Variant of Bi-CG for the Solution of Nonsymmetric Linear SystemsBi-cgstab: 用于解决非对称线性系统的bi-cg的快速平滑收敛变体
PREAI
分享收藏
查看更多内容