20xx年5月10日@實驗室lsi、矩陣分解、cuda技術(shù)gt-資料下載頁
2025-09-21 11:35本頁面
【導(dǎo)讀】設(shè)Doc1,Doc2,Doc3是三個文件.一些術(shù)語在這三個文件中的出現(xiàn)情況如下表:. 想要的查不出來.行d列,矩陣名為X.矩陣的元素為術(shù)語在文件中的出現(xiàn)頻度.數(shù)學(xué)上可以證明:X可以分解為三個矩陣T0,S0,D0'的積.其中T0和D0. 一般要求T0,S0,D0都是滿秩的.不難做到把S0的元素沿對角線從大到小排列.Xhat在最小二乘意義(?)下是X的最佳近似!這樣,我們實際上有了一個"降維"的途。恰巧就是Xhat本身.它的第i行第j列表明了術(shù)語i和文件j的相關(guān)聯(lián)程度.是不是存在某種分解是基于另一種分解的？比如先拆成兩個矩陣，再把其中某個再拆解。海洋和遠(yuǎn)帥希望能做補充。比如對稀疏和密集矩陣不同的算法。常用的線性代數(shù)數(shù)學(xué)庫?；诙嗪硕嗵幚砥饕约皺C群的數(shù)學(xué)庫?；贕PU并行加速的解決方案。ISVD-CUDA——沒有源代碼
【正文】 17 基于 GPU并行加速的解決方案 —— NMF 求解： NMF GPUMLib—— 提供 NMF計算，接口不清晰，需摸索 Nonnegative Matrix Factorization Implementation Using Graphic Processing Units NMFCUDA—— 某個圖像研究生的程序，但是功能不清晰 修改過代碼，可以跑 18 總結(jié) ? 軟件基本都是 Linux 安裝復(fù)雜，依賴關(guān)系復(fù)雜 ? 顯然有部分人實現(xiàn)了矩陣分解的 CUDA并行化，但是沒有公開代碼，根據(jù)論文描述，似乎還并不太完善。 ? 功能豐富的軟件例如 MAGMA和 CULA都有各自不足。商業(yè)軟件，不開放源代碼，無法全面評估，以及適用于研究領(lǐng)域，不具開源優(yōu)勢。 MAGMA是開源中做得最好的，但是對別的軟件依賴性太強，光是安裝就花費了兩天時間才摸索出來。 ? 沒有一個軟件能讓我們 DIY。我們必須借鑒他們的已有做法，從基礎(chǔ)庫開發(fā)，實現(xiàn) CUDA版本。 19 下一步 學(xué)習(xí)分解算法 或者 根據(jù)一個應(yīng)用實例，在找到的源代碼基礎(chǔ)上修改。 20 Reference: 1. Singular Value Deposition on GPU using CUDA 2. LU, QR and Cholesky Factorizations using Vector Capabilities of GPUs 3. A GPUbased Approximate SVD Algorithm 4. Nonnegative Matrix Factorization Implementation Using Graphic Processing Units 5. The Relationships Among Various Nonnegative Matrix Factorization Methods 6. Nonnegative Matrix Factorization on GPU 7. Parallel Algorithms for the Singular Value Deposition 8. 基于 CUDA的矩陣奇異值分解 9. 推薦系統(tǒng)中的矩陣分解技術(shù)進展
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1