Key points are not available for this paper at this time.
التبليط هو تقنية رئيسية لتحسين موضع البيانات ويستخدم على نطاق واسع في تطبيقات الأداء العالي لضرب المصفوفات الكثيفة في وحدات المعالجة المتعددة النوى/الكثيرة النوى ووحدات معالجة الرسوميات. ومع ذلك، فإن نمط الوصول غير المنتظم والمرتبطة بالمصفوفة للبيانات في ضرب المصفوفات النادرة يجعل من الصعب استخدام التبليط لتعزيز إعادة استخدام البيانات. في هذه الورقة، نضع استراتيجية تبليط تكيفية ونطبقها لتحسين أداء اثنين من اللبنات الأساسية: SpMM (ضرب المصفوفة النادرة مع المصفوفة الكثيفة) و SDDMM (ضرب المصفوفة الكثيفة المأخوذة عشوائيًا). على العكس من الدراسات التي لجأت إلى تمثيلات غير قياسية للمصفوفات النادرة لتعزيز الأداء، نحن نستخدم التمثيل القياسي للمصفوفة النادرة المضغوطة (CSR)، حيث يتم إجراء إعادة ترتيب داخل الصف لتمكين التبليط التكيفي. التقييم التجريبي باستخدام مجموعة شاملة من المصفوفات من مجموعة Sparse Suite يوضح تحسينات كبيرة في الأداء بالمقارنة مع البدائل المتاحة حاليًا في أحدث التقنيات.
درس هونغ وآخرون (ثلاثاء) هذا السؤال.