问题标签 [suitesparse]

我已经brew在 OSX 上安装并且我已经成功安装了几件东西。

但是，当我尝试安装时suite-sparse421（对版本的硬限制）：

我收到以下错误：

运行brew doctor显示没问题（Your system is ready to brew.）

运行brew update显示没问题（Already up-to-date.）

任何想法？

我正在开展一个项目，该项目试图优化求解密集矩阵所需的时间。目前，矩阵是在 C++ 中处理的，目前还没有改变它的计划。查看 CHOLMOD 用户手册和示例文件夹，我似乎找不到任何显示未从文件中读取stdin或从文件中读取矩阵的内容。

有没有办法将现有矩阵（类型double *）转换为cholmod_denseCHOLMOD 可以识别的一种或某种形式，以便我可以解决它？

或者，如果在转换之前我的矩阵必须采用某种形式，那应该采用什么形式，有没有办法在不临时将结果写入文件然后将其读回cholmod_dense矩阵的情况下做到这一点？

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

我做了一个很小的例子：

求解器.h

求解器.cpp

主文件

生成文件

当我执行“make t1”时，一切都很好。但是，当我键入“make t2”时，会出现重新定义错误：

原因似乎是“CholmodSupport.h”中的“long”类型专用模板函数。任何想法来解决这个问题？

我有一个 cholmod_dense 数据结构：

cholmod_dense* ex = cholmod_l_solve(CHOLMOD_A, L, B, &com);

我想提取这些值并将它们复制到另一个变量。这意味着我需要索引到双数组并复制值。

编译器可以接受，但我遇到了分段错误。或者我认为我应该能够做到：

但是编译器真的不喜欢这个：

根据 CHOLMOD 用户指南：

4. cholmod dense：一个密集矩阵，可以是实数、复数或 zomplex，以列优先顺序排列。这与 C 中使用的行优先约定不同。密集矩阵 X 包含 • X->x，一个大小为 X->nzmax 的双精度数组，或者是复杂情况的两倍。• X->z，如果X 是zomplex，则为大小为X->nzmax 的双精度数组。

所以我应该能够简单地抓取 ex->x 并将其作为双数组索引，但如果没有分段错误，我就无法这样做。谁能帮我吗？

CHOLMOD 库是用 C 编写的，链接到 CHOLMOD 库的代码（上面显示的代码片段）是 c++。

如何正确地将我的项目链接到使用 CUDA 的 TPL (CHOLMOD)？

我想将我的 CMake 项目链接到 CHOLMOD (libcholmod.so)。CHOLMOD 是使用 -GPU_BLAS 单独编译的，它只是一个启用 GPU 功能的标志。CHOLMOD 库附带几个演示，允许用户测试该库是否正常运行并与 GPU 一起正常工作。这些测试都通过了，监控 GPU 活动可以确认这些通过。

现在，我想链接我的 CMake 项目以访问 libcholmod.so。我用一个简单的 FindCholmod.cmake 文件做到了这一点：

FindCublas.cmake （我确保找到在 CHOLMOD 编译期间使用的相同库）：

当然，我也有类似的 FindMetis、FindOpenBlas 和 FindLapack 文件。然后我链接所有内容：

使用这种方法，我可以成功地访问我的 CMake 项目中的 CHOLMOD 函数库。事实上，它运行良好，但它只是没有访问 GPU，尽管我遵循 CHOLMOD 用户指南来设置export CHOLMOD_USE_GPU=1和在 cpp 中Common->useGPU=1。

我的问题是，如何正确地将我的项目链接到使用 CUDA 的 TPL (CHOLMOD)？除了指向预编译的 libcholmod.so 的链接之外，我的项目不包含 cuda 代码。即使 libcholmod.so 已经使用 NVCC 编译，我是否需要将我的 CMake 编译器设置为 NVCC？

其他 CHOLMOD 详细信息：CHOLMOD 使用一些规则来决定是否应在 GPU 上分解矩阵：CHOLMOD_ND_ROW_LIMIT, CHOLMOD_ND_COL_LIMIT, CHOLMOD_POTRF_LIMIT, CHOLMOD_GPU_SKIP我已确保我的测试矩阵满足这些标准。

我有一个使用 UMFpack 稀疏矩阵求解器编写的代码，但需要将其转换为 Eigen 稀疏矩阵，但我遇到了内存问题。

我有 Ai（行指针）、Ap（列指针）和 Ax（数组）。试图解决 Ax=b。我怎样才能传递这些指针和 Axe 或将它们更改为 Eigen？

我试图在我的项目中实现 SuperLU MT 库，但我不明白它是如何工作的。

文档说驱动程序返回您通过参数给出的密集矩阵“B”中的解决方案，但是当我尝试打印这个矩阵 B 时，我得到一个向量。

我正在从示例中打印文件 pzlinsol.c 中的 B 矩阵。

我已经用 scipy 解决了这个问题，结果不是 Ones 的向量，我还尝试了更多示例但没有。

一定有什么我做错了！

谢谢！

Ubuntu 16.04LTS；套件稀疏 4.5.5；CUDA 8.0.61（性能升级）；英伟达驱动 384.98；

我已将 GPU 加速 CHOLMOD 成功实施到我的代码中，并且可以正常工作几个月。然后最近出乎意料（源代码没有更改），我开始在输出中看到这些错误：

我怀疑第三方库在无人看管的情况下自行更新。但是我对 CHOLMOD/Demo/cholmod_l_demo（导出 CHOLMOD_USE_GPU=1）的测试证明 CHOLMOD 本身工作得非常好，并且正在使用完整的 GPU（使用 nvidia-smi 监控活动）。同样，Cuda/samples 都工作得很好。我已经清除并重新安装了所有内容，包括 Cuda、Nvidia 驱动程序和 SuiteSparse。我尝试了 Cuda 8.0 和 Cuda 9.0 的各种组合。无济于事，Cuda/samples 和 CHOLMOD/Demos 仍然可以正常工作，但我的 CHOLMOD 实现抛出了同样的错误。

我已将问题追溯到 cudaMemGetInfo() 函数。出于某种原因，它在 GPU 上报告 0 个可用字节导致第一个错误 (gpu_memorysize)！其余的错误似乎从第一个级联。CHOLMOD/Demo/cholmod_l_demo 脚本中没有发生此错误，这表明我的实现有问题。然而，我的实施没有任何改变。有谁知道为什么 cudaMemGetInfo() 会报告 0 个可用字节？我认为这个问题的答案将有助于指导我找到解决方案。

我查看了无人值守的升级历史记录，似乎在我开始看到错误时更新了一些 linux-headers 和 nvidia 驱动程序。但我不太确定 nvidia 驱动程序更新是罪魁祸首，因为 CHOLMOD/Demo/cholmod_l_demo 工作得很好。所以我怀疑这可能是一个 linux-headers 问题......

我的实现分布在多个文件中，因此可能值得查看Github 提交。但正如我所提到的，与过去几个月 CHOLMOD gpu 加速工作时相比，我没有更改任何源文件。

任何建议都非常感谢！

这是我第一次处理列压缩存储 (CCS) 格式来存储矩阵。谷歌搜索了一下，如果我是对的，在一个有 n 个非零元素的矩阵中，CCS 如下：

例如，如果

我们得到

我的问题是

我）是我写的正确，还是我误解了什么？

II）如果我想用一些为零的列来表示一个矩阵，例如，

CCS 中 M2 的表示不与 M 的表示相同吗？

谢谢您的帮助！