GPU上大规模稀疏矩阵特征值计算高效算法之三——SLEPc测试

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。
摘要由CSDN通过智能技术生成

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)100个计算节点(node1~node100)。各计算节点配置2 4IntelE5520 CPU16GB内存,通过20GbsInfiniBand互联。

      (2)测试采用Krylov-Schur算法


  1. 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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值