问题标签 [cula]

我正在使用 NVidia Tesla 2050 GPU 卡设置新的 Dell Precision 工作站。我想安装 R 的包 gputools。我的操作系统是带有 KDE 4.4 的 openSuse 11.3。

我下载了 NVidia 的 CUDA Toolkit 3.2 并将其安装在 /usr/local/cuda 中，我还下载了最新版本的 CULA 工具集（版本 R10）并将其安装在 /usr/local/cula 中。

尝试从 R 中安装 gputools 时使用： install.packages("gputools") 我收到以下错误消息：

使用旧版本的 CULA 和 CUDA 工具集也无济于事。

我编写了一个 CUDA C 和 C 程序来求解矩阵方程 Ax=b 使用 CULA 例程 dgesv 和 MKL 例程 dgesv。似乎对于一个小数据集，CPU 程序比 GPU 程序快。但是随着数据集增加到超过 500，GPU 克服了 CPU。我正在使用我的戴尔笔记本电脑，它有 i3 CPU 和 Geforce 525M GPU。GPU最初性能缓慢的最佳解释是什么？

我写了另一个程序，它接受两个向量，将它们相乘并相加。这就像点积一样，只是结果是向量和而不是标量。在这个程序中，即使对于小数据集，GPU 也比 CPU 快。我正在使用同一个笔记本。为什么与上面解释的相比，即使对于小数据集，该程序中的 GPU 也更快？是不是因为求和涉及的计算量不多？

Matlab 仍然无法在 CUDA GPU 上计算稀疏矩阵。也没有这样的工具箱（夹克已停产）。这就是为什么我使用通过 MEX 文件集成到 Matlab 的 CUSP。但是，我开发的工具有两个问题：

• 对于大型方程系统（实际上仅从 100 个元素开始），它非常不稳定，
• 它比 Matlab CPU 替代品慢几十或几百倍。

我正在求解 A*x=b，其中 A 是稀疏的对称矩阵，b 是向量。

硬件规格：英特尔 i7 3630QM、GT640M 2G、8 GB DDR3。软件：Windows 8 64 位、Matlab R2012b 64 位、CUDA 5.0 64 位、CUSP 0.3.1、Windows SDK v7.0、VS2010 编译器。

墨西哥代码：

使用以下命令在 Matlab 上的 MEX 文件（ex.cu）中编译此代码（如有必要，将第二个命令更改为 32 位）：

样本矩阵、向量和编译的 64 位 MEX 函数： http: //www.failai.lt/3fqkhvoslxyt/sampleData.7z.htm

利用：

其中时间 - 单独的执行时间，最后一个元素 - 用于解决方案的迭代计数（bicgstab 监视器），结果 - K*x=F 的解决方案。

结果（http://www.failai.lt/rupaliln7kfb/results.7z.htm）：

• K_int_6，F_int_6 - 好的
• K_11, F_11 - x(1) 错误，其他正常
• K_100000, F_100000 - x(1) 错误，其他从一开始还可以，但后来与正确结果相比正在减少。
• K_100000, F_100000 - 在 GPU (MEX) 上执行持续 0.6 秒，而在 CPU ( tic;xcpu=K\F;toc; ) 上持续 0.014 秒。

你能看看那个代码，也许试试 MEX 函数，报告你的结果，建议如何改进这个函数？也许您知道任何可以在 GPU 上进行稀疏计算的替代方案？我希望，在 Matlab 发布对 GPU 上稀疏矩阵的兼容性之前，它对每个人都有用 :)

我想在我的 GPU 上设置一个大矩阵来用 CULA 求解相应的方程组。

给你一些数字，以了解问题：

现在我想将(100x100)小矩阵的每个四分之一复制到第二个矩阵的特定部分。

我发现了两个可能但显然很慢的例子：cublasSetMatrix并cublasGetMatrix支持前导维度的规范，因此我可以将零件放在我想要的位置，但必须将矩阵复制回主机。另一个示例是cudaMemcpy，它不支持前导维度。在这里，我可以手动复制每一行/列（目前我不确定这个例程使用什么，数据来自 Fortran）。但这样一来，我应该得到很大的开销......

有没有比编写自己的内核更好的方法来复制矩阵？

在某些代码的 CPU 版本中，我有很多如下所示的内容：

A[i]一些大小的二维矩阵在哪里。

我希望能够在使用 CULA 的 GPU 上执行此操作（我不只是在做乘法，所以我需要 CULA 中的线性代数运算），例如：

但是，我想在程序开始时将我的 B 提前存储在 GPU 上，因为它们不会改变，但我不知道如何去做。或者我一般如何存储我的数组以便这是可能的。

我在网上看到了关于在 CUDA 中使用 3D 矩阵的各种内容，但它们似乎不太适用于随后能够对 CULA 函数进行函数调用。

从下面答案中的示例中，我有这个：

我已将 double **GlobalFVecs_d 声明为全局变量。但是当它上线时我得到一个段错误

然而，这似乎正是另一个例子中的内容？

我意识到它不一样，所以我现在有了可以编译的代码：

但是，如果我现在尝试通过以下方式访问它：

它在这里出现了错误，这不是如何获取数据吗？

所以这是我提出的一个问题的后续，目前在一些代码的 CPU 版本中，我有很多看起来如下所示的东西：

其中 A[i] 将是某个大小的二维矩阵。

我希望能够在使用 CULA 的 GPU 上执行此操作（我不只是在做乘法，所以我需要 CULA 中的线性代数运算），例如：

但是我想在程序开始时将我的 B 提前存储在 GPU 上，因为它们不会改变，所以我需要一个向量，其中包含指向构成我的 B 的向量集的指针。

我目前有以下编译代码：

但如果我现在尝试通过以下方式访问它：

它在这里出现故障，这不是如何获取数据吗？

我正在调用的内核函数只是：

我做错了什么？最后请注意，我还想作为第一个示例，在每个 GlobalFVecs_d[i] 上调用 cula 函数，但现在甚至这都行不通。

你认为这是最好的方法吗？如果可以只传递 CULA 函数的一个大连续向量的切片，我可以这样做，但我不知道它是否支持。

干杯林德利

I am trying to build GPUMLib, and I get the following errors

Any ideas what might be causing this ? Please note that this is the only part that is unsuccessfully built from the entire library

我从gputools R 包中提取了相关位，通过动态加载链接到culatools的共享库，使用Rcpp在我的 GPU 上运行 QR 分解。一切都在我的 Mac 上的终端和R.app中顺利运行。结果与R的qr()函数一致，但问题是退出R.app时出现分段错误（使用终端时不会出现该错误）：

我想我将问题缩小到链接到culatools的 .c 文件中的指针“a”和“tau” ：

我在我的 Mac 上编译了 .c 文件，使用：

我写了一个 .cpp 文件，它使用Rcpp并动态加载共享库 gpuQR.so：

我使用以下方法在R中编译了 .cpp 文件：

并运行了一个例子：

有人知道如何解决分段错误吗？

我想使用该culadgesvd()函数来计算矩阵的 SVD。我不清楚如何使用文档中的信息在 C/C++ 中实际使用它。谁能给我一个完整的小 C 程序，一个模板，以显示该函数的基本使用方式？只需几行（使用 and 之类的东西culaInitialize()）culaShutdown()就可以了，我只需要看看这个函数如何运行而不会出错。

我想知道是否有人尝试使用Rcpp和MAGMA通过使用 CPU 和 GPU来加速R中的线性代数运算？我上个月尝试了culatools，它与Rcpp (链接) 一起工作，但culatools是一种商业产品，需要花钱才能访问所有功能。