改进CUDA GPU上A * x = B的Matlab + CUSP MEX解决方案

Question

Matlab仍然无法在CUDA GPU上计算稀疏矩阵。 也没有这样的工具箱（Jacket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：

• 对于大型方程组（实际上仅从100个元素开始），它非常不稳定，
• 它比替代Matlab CPU慢几十倍或几百倍。

我正在求解A * x = b，其中A是一个稀疏的对称矩阵，b是一个向量。

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。

MEX代码：

#include<cusp/csr_matrix.h>
#include <cusp/krylov/bicgstab.h>
#include <matrix.h>
#include <mex.h> 
#include <time.h>

void mexFunction(int nlhs,mxArray *plhs[],int nrhs,const mxArray *prhs[])
{
        double t1 =  clock();
          // data from Matlab       
        double *b = mxGetPr(prhs[1]);
        double *A = mxGetPr(prhs[0]);
        int n = mxGetM(prhs[0]);
        mwIndex *ir = mxGetIr(prhs[0]);
        mwIndex *jc = mxGetJc(prhs[0]);
        int N = jc[n];
        t1 = clock() - t1;

        double t2 =  clock();
          // initialization of matrix A in CSR format (jc and ir are exchanged, because Matlab uses CSC format
        cusp::csr_matrix<int,float,cusp::device_memory> Ag(n,n,3*n-2);
        thrust::copy(jc, jc + n + 1, Ag.row_offsets.begin());
        thrust::copy(ir, ir + N,     Ag.column_indices.begin());
        thrust::copy(A,  A  + N,     Ag.values.begin()); 
          // initialization of vector b
        cusp::array1d<float, cusp::device_memory> bg (b, b+n);
        cusp::array1d<float, cusp::device_memory> xg (n, 0);
        t2 = clock() - t2;

        double t3 =  clock();
          // bicgstab algorithm solution for vector x, when using 0.001 accuracy and precondition M
          // this is the slowest part, much slower than others
        cusp::verbose_monitor<float> monitor(bg, 5000, 1e-3);
        cusp::identity_operator<float, cusp::device_memory> M(n, n);
        cusp::krylov::bicgstab(Ag, xg, bg, monitor, M);        
        t3 = clock() - t3;

        double t4 =  clock();     
          // gathering solution vector bact on host to Matlab array T
        mxArray *T = mxCreateDoubleMatrix(n, 1, mxREAL);
        double *x  = mxGetPr(T);
        thrust::copy(xg.begin(), xg.end(), x);
        t4 = clock() - t4;

          // gathering execution times to Matlab array times
        mxArray *times=mxCreateDoubleMatrix(5, 1, mxREAL);
        double *timesb=mxGetPr(times);
        timesb[0]=t1; timesb[1]=t2; timesb[2]=t3; timesb[3]=t4; timesb[4]=monitor.iteration_count();

          // sending data back to Matlab
        plhs[0] = times; 
        plhs[1] = T;
} 

使用以下命令在Matlab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）：

>> !nvcc -c -arch sm_20 ex.cu -Xcompiler -fPIC -I "C:\Program Files\MATLAB\R2012b\extern\include" -I "C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\include
>> mex ex.obj -L"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v5.0\lib\x64" -lcudart

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

采用：

tic; [times,x]=ex(K',F); toc;   %K has to be transposed for CSR

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次数（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
• K_11，F_11-x（1）错误，其他还可以
• K_100000，F_100000-x（1）错误，其他开头都可以，但后来与正确结果相比有所减少。
• K_100000，F_100000-GPU（MEX）上的执行持续0.6 s，而CPU（ tic; xcpu = K \\ F; toc; ）上的执行持续0.014 s。

您能否看一下这些代码，或者尝试使用MEX函数，报告您的结果，并提出如何改进该函数的建议？ 也许您知道可以在GPU上进行稀疏计算的任何替代方法？ 我希望，这对每个人都将有用，直到Matlab在GPU上发布对稀疏矩阵的兼容性为止：）

Answer 1

看看Matlab文件交换，适用于gpus的cusp稀疏类，对单精度，实/复杂的支持： http : //www.mathworks.com/matlabcentral/fileexchange/44423-gpu-sparse-accumarray-non-uniform-grid

稀疏矩阵向量乘法因CUSP而过载。