nvGRAPH原理概述
nvGRAPH的API参考分析。
数据分析是高性能计算的不断增长的应用。许多高级数据分析问题可以称为图形问题。反过来，当今许多常见的图形问题也可以称为稀疏线性代数。这是NVIDIA®CUDA™8.0中新增的nvGRAPH的动机，该功能利用GPU的线性代数功能来处理最大的图形分析和大数据分析问题。
此版本提供了图形构造和操作原语，以及针对GPU优化的一组有用的图形算法。核心功能是SPMV（稀疏矩阵矢量乘积），该模型使用半环模型并针对任何稀疏模式自动进行负载平衡。有关半环及其用法的更多信息，推荐Jeremy Kepner和John Gilbert所著的“线性代数语言中的图形算法”一书。
要使用nvGRAPH，应该确保nvGRAPH库在环境中（Windows上为PATH，Linux上为LD_LIBRARY_PATH），“＃include nvgraph.h”指向引用nvGRAPH API的源文件，并在命令上使用-lnvgraph链接代码行，或将libnvgraph添加到的库依赖项中。已经在Linux，Visual Studio 2012和Windows的Visual Studio 2014上使用GCC 4.8和更高版本测试了nvGRAPH。
使用nvGRAPH的典型工作流程。首先调用nvgraphCreate（）初始化库。接下来，用户可以继续通过nvGRAPH的API将图形数据上传到库中；如果设备内存中已经加载了图形，则只需要一个指向图形数据数组的指针即可。可以使用nvgraphCreateGraphDescr（），使用CSR（压缩的稀疏行）格式和CSC（压缩的列存储）格式上载图形。这将为图形对象创建一个不透明的句柄，称为“图形描述符”，该句柄表示图形拓扑及其数据。可以分别使用nvgraphSetVertexData（）和nvgraphSetEdgeData（）将图形数据附加到图形的顶点和/或边缘。数据的多个值可以同时存在于每个边或顶点上，每个值都由索引访问数据集数组。然后，用户可以对数据执行图形算法，从数据中提取子图，或使用nvGRAPH API重新格式化数据。用户可以将结果下载回主机，也可以将结果复制到设备上的其它位置，完成所有计算后，用户应调用nvgraphDestroy（）释放nvGRAPH使用的资源。从数据中提取子图，或使用nvGRAPH API重新格式化数据。用户可以将结果下载回主机，也可以将结果复制到设备上的其它位置，完成所有计算后，用户应调用nvgraphDestroy（）释放nvGRAPH使用的资源。从数据中提取子图，或使用nvGRAPH API重新格式化数据。用户可以将结果下载回主机，也可以将结果复制到设备上的其它位置，完成所有计算后，用户应调用nvgraphDestroy（）释放nvGRAPH使用的资源。
nvGRAPH取决于仅在CUDA功能3.0和更高版本的体系结构中提供的功能。这意味着nvGRAPH将仅在开普勒一代或更新的显卡上运行。选择该选项是为了提供最佳性能。
建议用户先检查提供的示例代码，然后从那里进行改编以供自己使用。