Hiệu năng kém để tính toán các giá trị riêng và các giá trị riêng trên GPU

Question

Trong một số mã, chúng ta cần lấy các véc tơ tự động và các giá trị tự động cho vấn đề tổng quát riêng với các ma trận đối xứng thực (Ax = lamba Bx). Mã này sử dụng DSPGVX từ LACPACK. Chúng tôi muốn tăng tốc độ lên GPU bằng chức năng MAGMA. Chúng tôi đã hỏi trên diễn đàn này và nhận được câu trả lời về vấn đề này

http://icl.cs.utk.edu/magma/docs/zhegvx_8cpp.html

Kích thước của ma trận của chúng tôi (N) đi 100-50.000 và thậm chí nhiều hơn, liên quan đến số nguyên tử trong một phân tử. Chúng tôi quan sát:

a) cho N lớn hơn 2500 (xấp xỉ), MAGMA không hoạt động; lỗi phân đoạn b) MAGMA chạy luôn chậm hơn LAPACK tuần tự, khoảng 10 lần chậm hơn

Hành vi này có bình thường và chúng ta có thể vượt qua nó không? Ai có thể báo cáo bất kỳ tài liệu tham khảo, nơi bất cứ ai làm việc trên các vấn đề tương tự này được một tốc độ phong nha?

Cảm ơn

Answer 1

Theo kinh nghiệm của mình, bạn có thể đạt được các lợi ích hiệu suất cao hơn bằng cách chuyển sang một trình đo lường tốt hơn. Người giải quyết tốt nhất mà tôi biết là ARPACK. Bạn sẽ đạt được nhiều lợi ích nhất mà ma trận của bạn có một số cấu trúc, ví dụ nếu chúng thưa thớt. Bộ giải này cũng hiệu quả nhất nếu bạn chỉ cần trích ra một phần nhỏ trong tổng số các eigenpairs.

Tôi sẽ bắt đầu bằng cách thử trình giải quyết này về các sự cố của bạn đang chạy trên CPU. Bạn có thể thấy rằng điều này một mình cho hiệu suất đủ cho nhu cầu của bạn. Nếu không thì nó tương đối dễ di chuyển lõi tính toán cho ARPACK tới GPU. Hoặc, có sẵn các phiên bản ARPACK song song.

Answer 2

Bạn đã thử CULA http://www.culatools.com/ chưa? CULA là Lapack được chuyển đổi cho CUDA bởi NVIDIA, vì vậy ít nhất trong lý thuyết nó nên có một trong những thực hiện tốt nhất cho vấn đề eigenvalue tổng quát. Tôi nghĩ rằng phiên bản chính xác duy nhất là miễn phí để bạn có thể thử.