文章摘要
杜臻* **,谭光明*,孙凝晖*.高性能稀疏矩阵向量乘的程序设计综述[J].高技术通讯(中文),2024,34(8):807~823
高性能稀疏矩阵向量乘的程序设计综述
A survey of high-performance sparse matrix-vector multiplication programming
  
DOI:10. 3772 / j. issn. 1002-0470. 2024. 08. 003
中文关键词: 稀疏矩阵向量乘(SpMV); 稀疏矩阵格式; 自动调优; 稀疏编译器; 高性能计算; 并行算法
英文关键词: sparse matrix-vector multiplication (SpMV), sparse matrix format, auto-tuning, sparse compiler, high performance computing, parallel computing
基金项目:
作者单位
杜臻* ** (*中国科学院计算技术研究所北京 100190) (**中国科学院大学北京 100049 ) 
谭光明*  
孙凝晖*  
摘要点击次数: 105
全文下载次数: 162
中文摘要:
      稀疏矩阵向量乘(SpMV)广泛应用于科学计算、图计算、数据分析等领域,是自现代计算机诞生以来经久不衰且挑战依旧的研究热点。本文系统回顾了20世纪70年代以来稀疏矩阵向量乘程序设计的发展脉络和各阶段的代表性工作;分析比较了这一领域4条技术路线,即人工程序设计、自动调优器、稀疏编译器和自动程序设计器,在当今的流行方法;并在此基础上对高性能稀疏矩阵向量乘程序设计的研究趋势做出预测,力图给学习者和研究者带来有益的知识与启示。
英文摘要:
      Sparse matrix-vector multiplication (SpMV) are fundamental operations in scientific computing, graph computation, and data analysis. They have been an enduring and challenging research topic since the birth of modern computing. This paper systematically reviews the development of SpMV from 1970s and the representative work at each stage. It analyzes and compares four technical routes in this field: manual programming, automatic tuners, sparse compilers, and automatic programmers. These are the popular approaches today. On this basis, the paper makes predictions on the future trends of research on SpMV programs. It aims to provide useful insights to learners and researchers.
查看全文   查看/发表评论  下载PDF阅读器
关闭

分享按钮