GPU上大规模稀疏矩阵特征值计算高效算法之三——SLEPc测试

_Bob908

于 2014-08-19 11:23:08 发布

阅读量3.4k

点赞数 1

分类专栏：机器学习与数据挖掘文章标签： gpu 特征值矩阵算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/ustcbob/article/details/38679271

版权

本文测试了SLEPc在GPU集群上使用Krylov-Schur算法计算稀疏矩阵特征值的效率。结果显示，对于1%稀疏度的矩阵，当规模增大时，计算时间呈指数增长。尽管Slepc在小规模特征值计算上表现出色，但在大规模计算中需要优化。目前Slepc已有单GPU版本，未来将进行更多测试以评估其加速潜力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Slepc计算矩阵特征值时间测试

注：

(1)GPU集群介绍：

该集群有一个登录节点(ustcgpu)和100个计算节点(node1~node100)。各计算节点配置2 颗4核的IntelE5520 CPU，16GB内存，通过20GbsInfiniBand互联。

(2)测试采用Krylov-Schur算法

计算速度

这里采用Slepc计算稀疏度约为1%矩阵的一半特征值。

下面的表格表示的是计算1000×1000、

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。