计算机工程

作者：杨太龙, 赵红朋, 张磊

单位：1. 郑州大学计算机与人工智能学院, 河南 郑州 4500012. 曙光信息产业(北京)有限公司, 北京 100193

关键词：并行计算,异构计算,奇异值分解,国产平台,图像处理

基金：国家重点研发计划(2021YFB0300200)

随着深度学习等高算力应用的发展, 异构计算正在逐步成为并行计算的重要方向。国产异构平台近年来发展迅速, 针对国产平台的架构定制开发适配的算法与软件有着重要意义。奇异值分解(SVD)作为线性代数库中用于处理一般矩阵的强大分解器, 应用在科学计算、人工智能、信号处理等众多领域。现有某类国产加速器的可用库中SVD算法性能远低于NVIDIA, 这对相关应用的高效移植带来了挑战。为此, 通过调整算法流程减少线程启动与访存开销, 提出了面向国产加速器的矩阵双对角化方法mySVD。卸载计算密集型任务到加速器, 设计面向国产异构平台的分治算法; 通过CPU+加速器多流, 提出了任务并行的奇异向量矩阵生成方法。最终形成一套奇异值算法的高效移植优化方案。实验结果表明, 该方案在不同的测试矩阵规模上, 性能最高达到现有的商业闭源线性代数库MKL的9.8倍, 以及现有开源异构计算线性代数库MAGMA的5.5倍。最终将其用于图像处理, 并跨平台与MATLAB、NVIDIA公司的GPU线性代数库CUSOLVER进行对比, 其具有更快的速度且生成的图像与原图像相似度更高。

来源：2024年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第9期