преобразование линейной алгебры gsl для использования в скаляпаке или другой библиотеке параллельных матриц

Question

У меня есть код, глубоко интегрированный в матричную арифметику Научной библиотеки GNU (GSL), основное вычисление этого кода - решение большой системы линейных уравнений, которая занимает очень много времени в последовательном режиме и с функциями GSL и BLAS, есть лиспособ распараллелить это вычисление или преобразовать его для использования в уже параллельной библиотеке, такой как ScaLAPACK?

Answer 1

Если ваша матрица разреженная , то есть она содержит много нулевых записей, вы можете легко реализовать множество пакетов разреженной матричной алгебры без особых проблем. К сожалению, это потребует от вас хранения ваших матриц в разреженном формате, чего, насколько мне известно, gsl не позволяет. Если ваша матрица сохранена в каком-то разреженном формате, вы сможете без особых проблем работать с большими системами, даже в последовательных приложениях.

Я предлагаю использовать UMFPACK, потому что для его реализации требуется наименьший объем работы, поскольку вам не нужно помещать данные в их структуры.

Примечание о параллелизме: Если ваш код в настоящее время является последовательным, переход к параллельному решателю НЕ тривиален. Возможно, реализовать многопоточный пакет будет просто, но у меня нет большого опыта работы с многопоточными программами. Кроме того, по-настоящему параллельные (с распределенной памятью) прямые решатели не так уж и эффективны, поскольку каждому процессору нужна собственная копия полной матрицы, и лучше использовать итерационные методы.

Было бы полезно немного подробнее: сколько времени это долго? Вам по какой-то причине нужно обратное или вы просто решаете систему уравнений?

Answer 2

Вы пробовали Intel MKL?Он включает собственные параллельные версии функций blas.В прошлый раз они чертовски быстрые.Но также было бы легче ответить, если бы вы дали информацию о размере матрицы, но пока вы используете x64, много процессоров / ядер и с большим объемом оперативной памяти, ну, тогда это действительно не имеет значения.

Другой вариант - nVidia CUDA.Их интерфейс похож на blas, но на самом деле он медленнее, чем MKL, но все же быстрее, чем последовательный.Возможно, я пробовал это на старой карте, но вам нужно как минимум 200 потоковых блоков графического процессора, чтобы назвать это полезным.

РЕДАКТИРОВАТЬ: Матрицы таких размеров мне недоступны.