基于異構(gòu)平臺(tái)的稀疏矩陣向量乘自適應(yīng)計(jì)算優(yōu)化

摘要： 稀疏矩陣向量乘（SpMV）是一種重要的數(shù)值線性代數(shù)運(yùn)算，現(xiàn)有的優(yōu)化存在預(yù)處理及通信時(shí)間考慮不全面、存儲(chǔ)結(jié)構(gòu)不具有普適性等問題。為了解決這些問題，提出異構(gòu)平臺(tái)下SpMV的自適應(yīng)優(yōu)化方案。所提方案利用皮爾遜相關(guān)系數(shù)確定相關(guān)度高的特征參數(shù)，并使用基于梯度提升決策樹（GBDT）的極端梯度提升（XGBoost）和輕量級(jí)梯度提升（LightGBM）算法訓(xùn)練預(yù)測模型，以確定某一稀疏矩陣更優(yōu)的... （共9頁）