论文部分内容阅读
在科学计算中，稀疏矩阵向量乘（SpMV）是一个十分重要且经常被大量调用的计算内核．由于SpMV一般实现算法的浮点计算和存储访问次数比率非常低，且其存储访问模式极为不规则，其实际运行性能往往很低．通过采用寄存器分块算法和启发式分块大小选择算法，将稀疏矩阵分成小的稠密分块，重用保存在寄存器中向量x元素，可以提高该计算内核的性能．剖析和总结了OSKI软件包所采用的若干关键优化技术，并进行了实际应用性能测试．测试表明，在实际应用这些优化技术的过程中，应用程序对SpMV的调用次数要达到上百次的量级，才能抵消由于应用