![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
高性能计算
文章平均质量分 95
清榎
不积跬步无以至千里
展开
-
CUDA优化reduce
为了获得较高的内存带宽,共享存储器被划分为多个大小相等的存储器模块,称为bank,可以被同时访问。因此任何跨越b个不同的内存bank的对n个地址进行读取和写入的操作可以被同时进行,这样就大大提高了整体带宽 ——可达到单独一个bank带宽的b倍。但是很多情况下,我们无法充分发挥bank的功能,以致于shared memory的带宽非常的小,这可能是因为我们遇到了bank冲突。当一个warp中的不同线程访问一个bank中的不同的字地址时,就会发生bank冲突。原创 2022-09-09 10:53:30 · 1073 阅读 · 1 评论 -
LU分解算法(串行、并行)
一、串行LU分解算法1. LU分解矩阵分解LU分解分解形式L(下三角矩阵)、U(上三角矩阵)目的提高计算效率前提(1)矩阵A为方阵;(2)矩阵可逆(满秩矩阵);(3)消元过程中没有0主元出现,也就是消元过程中不能出现行交换的初等变换LU分解其实就是将线性方程组:Ax=b Ax = bAx=b分解为:LUx=b LUx = bLUx=b这样一来就会有:{Ly=bUx=y\begin{cases}Ly = b \\ Ux = y \end{cases}{原创 2022-04-26 08:32:44 · 7643 阅读 · 0 评论 -
矩阵并行计算
矩阵并行计算一、矩阵卷帘存储二、矩阵向量并行乘法2.1 串行算法2.1.1 i-j实现2.1.2 j-i实现2.2 并行算法2.2.1 行分块划分矩阵2.2.2 列分块划分矩阵二、矩阵乘并行计算原创 2022-04-07 21:48:15 · 3224 阅读 · 0 评论