• CuSparse 第一章


    (部分翻译)

    第一章 介绍

        1. 命名惯例

           CUSPARSE 包含了一系列处理稀疏矩阵的基本的线性代数子程式。是cuda函数库的一部分,从C,C++中调用。

           该库例程可以分为四类:

                 第一层:在稠密向量格式和稀疏矩阵向量格式之间的操作

                 第二层:在稀疏矩阵格式和稠密向量格式之间的操作

                 第三层:在稀疏矩阵格式和一组稠密向量之间的操作

                 转换:不同格式矩阵之间转换操作

                 CUSparse支持的数据格式有 float,double, cuComplex, cuDoubleComplex.  

                

                稀疏矩阵第一层,第二层,第三层函数都遵循这样的命名惯例:

               cusparse<t>[<matrix data format>]<operation>[<output matrix data format>]Introduction

               其中 <t> 可以是 S, D, C, Z, or X, 分别对应数据类型 float, double, cuComplex, cuDoubleComplex, and the generic type.
               <matrix data format> 可以是 dense, coo, csr, csc, or hyb, 分别对应 dense, coordinate, compressed sparse row, compressed sparse column, and hybrid storage formats.
              最后,  <operation> 可以是 axpyi, doti, dotci, gthr, gthrz, roti, or sctr, 对应 the Level 1 functions; 也可以是 mv or sv,  对应 Level 2 functions, 或者 mm or sm,  对应 the Level 3 functions.
               所有这些函数的返回值都是 cusparseStatus_t 类型的。

         2. 异步执行

              The CUSPARSE 库函数是类似主机的,异步执行的, 并且在结果算出来的时候会回到主机控制。
              开发这可以用 cudaDeviceSynchronize() 函数去确认CUSPARSE函数库里的命令已经执行完毕。 开发者也可以用 cudaMemcpy() routine 去拷贝数据,且不需要用  cudaDeviceSynchronize() 来确认执行完毕,如果参数是cudaMemcpyDeviceToHost 或者cudaMemcpyHostToDevice.



    参考文档:http://docs.nvidia.com/cuda/pdf/CUSPARSE_Library.pdf     《CUSPARSE LIBRARY》

  • 相关阅读:
    密码加密
    注册视图
    session会话
    验证码功能
    使用Django表单替代html表单
    实现登陆视图功能
    设计登陆需求页面
    配置视图
    配置数据库
    npm 学习
  • 原文地址:https://www.cnblogs.com/pangblog/p/3317880.html
Copyright © 2020-2023  润新知