问题标签 [cusolver]

我目前正在做一个我们需要解决的项目

|Ax - b|^2.

在这种情况下，A是一个非常稀疏的矩阵A'A，每行最多有 5 个非零元素。

我们正在处理图像，其中 NA'A是NxN像素数。在这种情况下N = 76800。我们计划去RGB然后维度将是3Nx3N。

在 matlab 中求解(A'A)\(A'b)大约需要 0.15 秒，使用双精度。

我现在已经对Eigens稀疏求解器进行了一些实验。我努力了：

和一些不同的顺序。迄今为止最好的是

这需要0.35 - 0.5使用AMDOrdering.

例如，当我使用ConjugateGradient它时，它大致需要6 s，0用作初始化。

解决问题的代码是：

这是我第一次在 C++ 及其求解器中使用稀疏矩阵。对于这个项目，速度至关重要，以下0.1 s是最低要求。

我想得到一些反馈，这将是最好的策略。例如，一个应该能够使用SuiteSparseand OpenMPin Eigen。你对这些类型的问题有什么经验？例如，有没有一种提取结构的方法？真的应该conjugateGradient那么慢吗？

编辑：

感谢您提出宝贵意见！今晚我在 Nvidia 上阅读了一些关于 cuSparse 的内容。它似乎能够进行分解甚至解决系统。特别是似乎可以重用模式等等。问题是这能有多快，可能的开销是多少？

鉴于我的矩阵 A 中的数据量与图像中的数据量相同，内存复制不应该是这样的问题。几年前我做了实时 3D 重建软件，然后你复制每一帧的数据，一个慢版本仍然以超过 50 Hz 的速度运行。那么，如果因式分解要快得多，那么它可能会加速吗？特别是该项目的其余部分将在 GPU 上，所以如果可以直接在那里解决它并保留解决方案，我想这不是缺点。

Cuda 领域发生了很多事情，而我并不是最新的。

这是我找到的两个链接：基​​准？, MatlabGPU

我正在尝试编写一个程序来将 cusolverSp 连接到 fortran。尽管我对用 C 编写 cuda 并不陌生，但我不确定如何在 fortran 上使用它。

以下是我的代码：

我构建期间的当前错误是

错误 S0188：参数号 # 到 cusolverspcreate/etc：类型不匹配

我不知道如何解决它。该程序是对工作 cusolverDn 的修改，我确信这意味着我犯了很多错误，因为我可以参考的接口示例并不多。

我编写了简单的 CUDA c++ 程序来模拟二维矩阵上的扩散。当我尝试使用 Toolkit 中提供的一些库时遇到了麻烦。我想用 cuBlas 的东西替换我效率极低的矩阵转置内核，也想用求解线性系统的 cuSolvers 实现替换 implCU。麻烦的是我不知道如何使用这些函数或编译它们。它与 Nvidia 提供的示例代码上的 Makefiles 一起工作。如果有人能帮助我，最好向我展示在编写 .cu 文件时应该如何使用这些功能，我将不胜感激。

这是代码： http: //pastebin.com/UKhJZQBz

我在 Ubuntu 16.04 上，并且按照官方指南中的说明导出了 PATH 变量（因此它们包括 /usr/local/cuda-8.0/bin）。

这是来自的输出nvcc -I /usr/local/cuda-8.0/samples/common/inc/ difusion2d.cu

我可以使用 CUDA 7.5 的机器，但我认为它缺少 cuSolverRF 库。

当前标记为版本 DU-06709-001_v8.0 的文档说“此外，cuSolver 提供了一个新的重构库，可用于解决具有共享稀疏模式的矩阵序列”大概是 cuSolverRF 库，表明它是在 8.0 中引入的，但我找不到任何确认这一点的发行说明。

我目前正在将一些 Fortran 代码迁移到 cudaFortran。具体来说，该任务涉及对海量矩阵进行谱分析，以便将它们对角化。这是我到目前为止编写的代码

编译和mem-check输出如下：

看起来我实际上并没有cusolverDnDsyevd正确调用函数，很可能我没有使用正确类型的变量。但是由于我在编程方面是半文盲，并且我必须遵循的唯一示例是用 C 编写的（使用那些花哨的 void** 东西）我不知道什么是正确的。

编辑：完整输出deviceQuery

我可以看到它在https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/kernels/cuda_solvers.h (Geqrf) 中被引用，但是https://github.com/tensorflow上的 tensorflow QR op /tensorflow/blob/master/tensorflow/core/kernels/qr_op_float.cc未注册用于 GPU 使用。我可以使用 Geqrf 以某种方式制作自己的操作，还是有其他方法？

我正在尝试解决 A*x = b 其中 A 具有复杂值且密集的问题。

我使用 cuSolverDN 库中的 cusolverDnCgeqrf() 方法对一组线性方程组进行 QR 分解。但是，我想多次这样做以加快处理速度。

这种方法有“批处理”版本吗？或者我可以使用另一个 CUDA 库吗？

我正在尝试使用 cusparseSdense2csr API 将密集矩阵转换为稀疏矩阵，密集矩阵如下：

预期的结果稀疏矩阵应该是：

但我得到的输出是

为什么会这样？背后的原因是什么？

我必须进行相同的计算（例如，获取 的特征值A1, A2, ...）on many(>10^15)矩阵，所以我希望尽可能多地使用线程。

但我找不到说明线程数的 cuBLAS 或 cuSOLVER 代码。如果我使用 for 循环和 cuSOLVER 函数编写代码，cuSOLVER 会自动分配资源和并行计算吗？
或者是否有任何 cuSOLVER 或 cuBLAS API 可以控制线程数和并行化函数？……

I have in mind to to use getrf and getrs from the cuSolver package and to solve AB=X with B=I.

• Is this the most best way to solve this problem?

• If so, what is the best way to create the col-major identity matrix B in device memory? It can be done trivially using a for loop but this would 1. take up a lot of memory and 2. be quite slow. Is there a faster way?

Note that cuSolver does not provide getri unfortunately. Therefore I must to use getrs.