| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·研究内容 | 第13-14页 |
| ·文章组织结构 | 第14-15页 |
| 2 稀疏矩阵向量乘法在 GPU 上的实现与优化 | 第15-27页 |
| ·相关工作 | 第15-17页 |
| ·GPU 上分段行合并存储策略的稀疏矩阵向量乘方法 | 第17-20页 |
| ·GPU 上按行分块存储策略的稀疏矩阵向量乘方法 | 第20-23页 |
| ·基于 GPU 的稀疏矩阵向量乘的优化方法 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 3 稀疏矩阵线性方程求解在 GPU 上的实现与优化 | 第27-37页 |
| ·相关工作 | 第27页 |
| ·基于 GPU 的雅可比迭代法 | 第27-30页 |
| ·基于 GPU 的广义最小残量法 | 第30-34页 |
| ·基于 GPU 的稀疏矩阵方程求解优化 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 4 测试和分析 | 第37-43页 |
| ·实验环境和方法 | 第37页 |
| ·GPU 稀疏矩阵向量乘法性能测试 | 第37-39页 |
| ·GPU 稀疏矩阵线性方程求解运算性能测试 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| ·基于本文的主要工作 | 第43-44页 |
| ·将来需要做的工作 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |