GPU上基于稀疏矩阵矢量乘法统计的性能预测

作为线性代数中最重要和最重要的运算之一，近年来，稀疏矩阵矢量乘法（SpMV）在GPU上的性能预测越来越受到关注。在2012年，Guo和Wang提出了一个新的想法来预测SpMV在GPU上的性能。但是，他们没有完全考虑矩阵的结构，因此对于通用的稀疏矩阵，他们的模型预测的执行时间往往不准确。为了解决这个问题，我们提出了两个新的相似模型，这些模型考虑了矩阵的结构并使性能预测模型更加准确。此外，我们通过CUDA平台上的新模型预测了SpMV在CSR-V，CSR-S，ELL和JAD稀疏矩阵存储格式下的执行时间。我们的实验结果表明，对于大多数一般矩阵，我们的模型的预测准确性平均比Guo和Wang的模