20xx年5月10日@實(shí)驗(yàn)室lsi、矩陣分解、cuda技術(shù)gt(文件)
【正文】 碼 One sided Jacobi Method on CUDA for SVD 基于 CUDA的矩陣奇異值分解 ? QRSVD—— 沒有源代碼 singular value deposition on GPU using CUDA ? 趙佳 —— 只是個(gè) ppt，沒有源代碼 Jacobibased SVD algorithm in CUDA ? Fast SVD on Graphics Processors—— 沒有源代碼 ? ISVDCUDA—— 沒有源代碼 15 基于 GPU并行加速的解決方案 —— SVD_2 CULA—— 一個(gè)商業(yè)軟件，功能齊全， dense版本是免費(fèi) CULA是 LAPACK的 cuda版 主要功能： ? Linear Equations ? Orthogonal Factorizations ? Least Squares Solvers ? Symmetric Eigenproblems ? Nonsymmetric Eigenproblems ? Singular Value Deposition Note: 自己編寫代碼，可以成功運(yùn)行 缺點(diǎn)：商業(yè)軟件，無法獲得源代碼 16 基于 GPU并行加速的解決方案 —— SVD_3 MAGMA—— 一個(gè)開源軟件，功能齊全 MAGMA也是 LAPACK的 cuda版 解決 : ? LU, QR, and Cholesky factorizations ? SVD ? Eigen and singular value problem … Note: 需要和 ATLAS或者 GotoBLAS2搭配使用 還沒寫出矩陣分解程序。商業(yè)軟件，不開放源代碼，無法全面評(píng)估，以及適用于研究領(lǐng)域，不具開源優(yōu)勢(shì)。 19 下一步 學(xué)習(xí)分解算法 或者 根據(jù)一個(gè)應(yīng)用實(shí)例，在找到的源代碼基礎(chǔ)上修改。 ? 沒有一個(gè)軟件能讓我們 DIY。 17 基于 GPU并行加速的解決方案 —— NMF 求解： NMF GPUMLib—— 提供 NMF計(jì)算，接口不清晰，需摸索 Nonnegative Matrix Fact
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1