针对稀疏矩阵与稠密向量乘运算探讨了不同的任务分配策略对性能的影响，观察到任务分配策略的选择会显著地影响稀疏矩阵的运算性能，且不存在一种固定的任务分配策略针对所有的稀疏矩阵都能获得最佳性能。为此，提出了一种基于机器学习的最优任务分配策略选择模型，其训练过程仅使用稀疏矩阵的特征来刻画输入数据集，且能够针对给定的数据集和目标平台自动地训练模型。实验结果表明，相对于默认的块分配方法，使用该模型选择的任务分配方式能够获得平均约35%的性能提升。
科研之友
微信
新浪微博
Facebook
分享链接
