# YHVBSF

**Repository Path**: e-level-parallel-algorithm/yhvbsf

## Basic Information

- **Project Name**: YHVBSF
- **Description**: 在许多重要领域工程实现中将问题最终描述为一组偏微分方程并进行求解。其中核心函数是稀疏矩阵与稀疏矩阵相乘，在共轭梯度法中稀疏矩阵向量乘法是开销最大的操作，可占总体运行时间的九成，因此SpMV的性能直接决定了这些求解器的表现。随着问题规模和求解精度的提升，稀疏问题在高性能计算系统上的求解对计算软硬件也提出了更高的要求。单指令多数据流（SIMD）技术作为Intel架构处理器的一种重要性能扩展，被广泛应用于科学计算应用的优化加速，但其无法在这些稀疏矩阵格式上直接使用。对此，我们提出了可变维度稀疏矩阵向量化一维存储格式和块状存储格式的新稀疏矩阵存储格式，将相邻的非零元素组合成可变大小的段和块，以确保可以使用SIMD向量单位计算SpMV。新格式分别在FT2000，Intel Xeon E5和Intel Silver三个平台上获得了良好的性能提升，并且与其他存储格式相比，它具有更好的存储效率
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-02-24
- **Last Updated**: 2021-06-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YHVBSF

#### 介绍
在许多重要领域工程实现中将问题最终描述为一组偏微分方程并进行求解。其中核心函数是稀疏矩阵与稀疏矩阵相乘，在共轭梯度法中稀疏矩阵向量乘法是开销最大的操作，可占总体运行时间的九成，因此SpMV的性能直接决定了这些求解器的表现。随着问题规模和求解精度的提升，稀疏问题在高性能计算系统上的求解对计算软硬件也提出了更高的要求。单指令多数据流（SIMD）技术作为Intel架构处理器的一种重要性能扩展，被广泛应用于科学计算应用的优化加速，但其无法在这些稀疏矩阵格式上直接使用。对此，我们提出了可变维度稀疏矩阵向量化一维存储格式和块状存储格式的新稀疏矩阵存储格式，将相邻的非零元素组合成可变大小的段和块，以确保可以使用SIMD向量单位计算SpMV。

#### 使用说明

1.矩阵集：
https://sparse.tamu.edu