| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| ·课题背景 | 第12-14页 |
| ·GPU 发展概述 | 第12-14页 |
| ·GPU 上加速稀疏线性系统 | 第14页 |
| ·相关工作 | 第14-16页 |
| ·面临的挑战 | 第16-17页 |
| ·本文研究内容和创新 | 第17-18页 |
| ·本文结构 | 第18-19页 |
| 第二章 GPU 和 Krylov 子空间方法 | 第19-29页 |
| ·NVIDIA GPU | 第19-21页 |
| ·GT200 体系结构 | 第19-20页 |
| ·Fermi（GT300）体系结构 | 第20-21页 |
| ·CUDA 编程模型 | 第21-26页 |
| ·主机与设备 | 第22-23页 |
| ·存储层次结构 | 第23-25页 |
| ·线程层次结构 | 第25-26页 |
| ·Krylov 子空间方法 | 第26-29页 |
| ·Krylov 子空间方法介绍 | 第26-27页 |
| ·Krylov 子空间方法加速研究 | 第27-29页 |
| 第三章 稀疏对角矩阵向量乘在GPU 上的实现 | 第29-38页 |
| ·数据处理方法 | 第29-32页 |
| ·稀疏矩阵处理方法 | 第29-31页 |
| ·CDIA 压缩存储格式 | 第31-32页 |
| ·稀疏对角矩阵向量乘的GPU 加速实现 | 第32-34页 |
| ·稀疏对角矩阵向量乘的优化 | 第34-37页 |
| ·多线程并行与减少线程切换开销 | 第35页 |
| ·优化存储合并访问 | 第35-36页 |
| ·使用shared Memory | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 Krylov 子空间方法在GPU 上的实现 | 第38-49页 |
| ·计算任务的划分 | 第38-41页 |
| ·任务划分的原则 | 第38-39页 |
| ·任务划分的方法 | 第39-41页 |
| ·计算核心的划分 | 第41-42页 |
| ·计算核心 | 第41页 |
| ·计算核心的划分方法 | 第41-42页 |
| ·Krylov 子空间方法的实现 | 第42-46页 |
| ·稀疏对角矩阵向量乘的GPU 加速实现 | 第42页 |
| ·内积操作在GPU 上的加速实现 | 第42-44页 |
| ·Grid 和Block 的维度设计 | 第44-46页 |
| ·Krylov 子空间方法的相关优化 | 第46-48页 |
| ·程序结构优化 | 第46页 |
| ·主机与设备的通信优化 | 第46-47页 |
| ·存储器优化 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 性能评测 | 第49-54页 |
| ·实验环境 | 第49页 |
| ·矩阵向量乘的测试结果 | 第49-51页 |
| ·CDIA 格式在GPU 上的性能测试 | 第49-50页 |
| ·稀疏对角矩阵向量乘的性能测试 | 第50-51页 |
| ·内积操作的测试结果 | 第51-52页 |
| ·Krylov 子空间方法的测试结果 | 第52-54页 |
| 第六章 结束语 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者在读期间取得的学术成果 | 第61页 |