选择最优存储格式实现稀疏矩阵乘法的研究

摘要: 稀疏矩阵向量乘法是科学和工程领域中重要的核心子程序之一，也是稀疏BLAS（Basic Linear AlgebraSubprograms，基本线性代数子程序）库的重要组成。本文提出一个稀疏矩阵向量乘法的自动调优器SMAT。对于一个给定的稀疏矩阵，SMAT 可以选择并返回最优的存储格式。我们使用佛罗里达大学的2316 个稀疏矩阵作为测试集，SMAT 获得性能达到所选格式最好性能96%以上。SMAT 在Intel X5680 平台上的预测准确率为89.34% （单精度）和 86.18%（双精度），在AMD Opteron 6168 平台上准确率达到了85.10%（单精度）和82.09%（双精度）。同时，SMAT 的在线搜索时间在需要调用上百次稀疏矩阵向量乘法的应用中是可以接受的。