| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及趋势 | 第10-12页 |
| 1.2.1 并行SpMV算法的研究 | 第10-11页 |
| 1.2.2 并行PCG算法的研究 | 第11页 |
| 1.2.3 SpMV性能评估的研究 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 第2章 相关技术及PCG并行优化框架 | 第15-24页 |
| 2.1 CUDA介绍 | 第15-18页 |
| 2.1.1 CUDA并行计算 | 第15-16页 |
| 2.1.2 CUDA编程模型 | 第16-17页 |
| 2.1.3 CUDA存储器模型 | 第17-18页 |
| 2.2 稀疏矩阵存储格式 | 第18-20页 |
| 2.2.1 COO存储格式 | 第18页 |
| 2.2.2 CSR存储格式 | 第18-19页 |
| 2.2.3 DIA存储格式 | 第19页 |
| 2.2.4 ELL存储格式 | 第19页 |
| 2.2.5 HYB存储格式 | 第19-20页 |
| 2.3 PCG算法 | 第20-22页 |
| 2.4 PCG并行优化框架 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 矢量运算和矢量内积并行优化性能模型研究 | 第24-32页 |
| 3.1 矢量运算的并行优化性能模型 | 第24-27页 |
| 3.1.1 获取GPU特性 | 第24页 |
| 3.1.2 核模型 | 第24-25页 |
| 3.1.3 实验设置 | 第25页 |
| 3.1.4 并行优化性能模型的构建 | 第25-26页 |
| 3.1.5 生成决策树 | 第26-27页 |
| 3.2 矢量内积的并行优化性能模型 | 第27-30页 |
| 3.2.1 获取GPU特性 | 第28页 |
| 3.2.2 核模型 | 第28页 |
| 3.2.3 实验设置 | 第28页 |
| 3.2.4 并行优化性能模型的构建 | 第28-30页 |
| 3.2.5 生成决策树 | 第30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 SpMV和预条件子的并行优化性能模型研究 | 第32-43页 |
| 4.1 SpMV的并行优化性能模型 | 第32-41页 |
| 4.1.1 获取GPU特性 | 第32-33页 |
| 4.1.2 核模型 | 第33页 |
| 4.1.3 实验设置 | 第33-35页 |
| 4.1.4 并行优化性能模型建立 | 第35-40页 |
| 4.1.5 自动选择最优核函数算法 | 第40-41页 |
| 4.2 预条件子并行算法以及并行优化性能模型 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 系统实现与实验比较 | 第43-61页 |
| 5.1 系统设计与图形化交互建模 | 第43-51页 |
| 5.1.1 系统设计 | 第43-45页 |
| 5.1.2 图形化交互建模 | 第45-51页 |
| 5.2 实验比较 | 第51-59页 |
| 5.2.1 测试矢量运算、矢量内积决策树的有效性 | 第51-53页 |
| 5.2.2 测试SpMV并行优化性能模型预测核函数执行时间的精准度 | 第53-56页 |
| 5.2.3 测试自动选择最优核函数算法选择最优核函数的精准度 | 第56-57页 |
| 5.2.4 自动生成的并行PCG方法性能测试 | 第57-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第6章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |