GPU上稀疏矩阵的基本线性代数

GPU上稀疏矩阵的基本线性代数
cuSPARSE库为稀疏矩阵提供了GPU加速的基本线性代数子例程，这些子例程的执行速度明显快于仅CPU替代方法。提供了可用于构建GPU加速求解器的功能。cuSPARSE被从事机器学习，计算流体力学，地震勘探和计算科学等应用的工程师和科学家广泛使用。使用cuSPARSE，应用程序会自动受益于常规性能的改进和新的GPU架构。cuSPARSE库包含在NVIDIA HPC SDK和CUDA Toolkit中。
cuSPARSE性能
cuSPARSE库针对NVIDIA GPU的性能进行了高度优化，其SpMM性能比仅CPU的替代产品快30-150倍。
cuSPARSE的主要功能
• 支持密集，COO，CSR，CSC和Blocked CSR稀疏矩阵格式
• 全套稀疏例程，包括稀疏向量x稠密向量运算，稀疏矩阵x稠密向量运算以及稀疏矩阵x稠密矩阵运算。
• 稀疏矩阵x稀疏矩阵加法和乘法的例程
• 稀疏密集向量乘法（SpVV），稀疏矩阵密集向量乘法（SpMV）和稀疏矩阵密集矩阵乘法（SpMM）的通用高性能API
• ILU0和IC0预调节器

GPU上稀疏矩阵的基本线性代数相关推荐

NVIDIA GPU上的Tensor线性代数
NVIDIA GPU上的Tensor线性代数 cuTENSOR库是同类中第一个GPU加速的张量线性代数库,提供张量收缩,归约和逐元素运算.cuTENSOR用于加速在深度学习训练和推理,计算机视觉,量子 ...
GPU上的基本线性代数
GPU上的基本线性代数 cuBLAS库提供了基本线性代数子例程(BLAS)的GPU加速实现.cuBLAS通过针对NVIDIA GPU进行了高度优化的嵌入式行业标准BLAS API来加速AI和HPC应用 ...
GPU上的快速光谱图分区
GPU上的快速光谱图分区图形是用于对物理,生物,社会和信息系统中许多类型的关系和过程进行建模的数学结构.用于解决各种高性能计算和数据分析问题.对于网络分析,基因组学,社交网络分析和其他领域,大规模图 ...
如何在 GPU 上优化卷积
如何在 GPU 上优化卷积将演示如何在 TVM 中编写高性能卷积实现.正方形大小的输入张量和过滤器为例,假设卷积的输入具有大batch批量.在这个例子中,使用不同的布局存储数据,实现更好的数据局部性 ...
TVM 优化 ARM GPU 上的移动深度学习
TVM 优化 ARM GPU 上的移动深度学习随着深度学习的巨大成功,将深度神经网络部署到移动设备的需求正在迅速增长.与桌面平台上所做的类似,在移动设备中使用 GPU 既有利于推理速度,也有利于能源 ...
TVM在ARM GPU上优化移动深度学习
TVM在ARM GPU上优化移动深度学习随着深度学习的巨大成功,将深度神经网络部署到移动设备的需求正在迅速增长.与在台式机平台上所做的类似,在移动设备中使用GPU可以提高推理速度和能源效率.但是,大 ...
GPU上的图像和信号处理
GPU上的图像和信号处理 NVIDIA Performance Primitives(NPP)库提供GPU加速的图像,视频和信号处理功能,其执行速度比仅CPU实施快30倍.拥有5000多个用于图像和信 ...
NVIDIA GPU上的随机数生成
NVIDIA GPU上的随机数生成 NVIDIA CUDA随机数生成库(cuRAND)提供高性能的GPU加速的随机数生成(RNG).cuRAND库使用NVIDIA GPU中提供的数百个处理器内核,将质 ...
NVIDIA GPU上的直接线性求解器
NVIDIA GPU上的直接线性求解器 NVIDIA cuSOLVER库提供了密集且稀疏的直接线性求解器和本征求解器的集合,它们为计算机视觉,CFD,计算化学和线性优化应用程序提供了显着的加速.cuS ...

GPU上稀疏矩阵的基本线性代数

GPU上稀疏矩阵的基本线性代数相关推荐

最新文章

热门文章