基于CUDA与CUBLAS的Tucker分解模块设计与实现

论文摘要

由于张量Tucker分解在图像处理、人脸识别与信号处理等领域中的大量应用,使得Tucker分解算法成为目前重点研究对象。但是当前流行的Tucker分解算法需要对张量进行多次展开,导致算法加速效率降低。针对上述问题,提出一种应用于统一计算设备架构(CUDA)平台上的改进Tucker分解模块,通过对Tucker分解算法与CUDA平台进行优化,在省略张量展开过程的同时,提高加速效率,从而降低对加速系统的要求。实验结果表明,改进Tucker分解算法在CUDA平台上的加速性能具有明显提高。

论文目录

• 0 概述
• 1 张量相关的基本概念
•   1.1 张量
•   1.2 张量相关计算
•     1.2.1 张量乘法
•     1.2.2 矩阵积
• 2 张量Tucker分解算法
•   2.1 相关概念
•   2.2 Tucker分解定义
•   2.3 高阶正交迭代法
• 3 张量Tucker分解算法的改进
•   3.1 计算过程矩阵化原理
•   3.2 改进算法的实现
•     3.2.1 CUDA与CUBLAS
•     3.2.2 矩阵与张量的排列存储方式
•     3.2.3 改进算法的代码实现
•     3.2.4 改进算法的自编函数实现
•       1) Kronecker函数
•       2) Eigvector函数
• folding与Tensor_unfolding函数'>      3) Tensor_folding与Tensor_unfolding函数
• 4 张量Tucker分解算法模块性能测试
•   4.1 CUBLAS与C语言性能比对
•   4.2 模块对比测试结果
• 5 结束语

文章来源

类型: 期刊论文

作者: 周琦,柴小丽,马克杰,俞则人

关键词: 分解算法,张量分解,统一计算设备架构,图形处理单元,张量范数

来源: 计算机工程 2019年03期

年度: 2019

分类: 信息科技,基础科学

专业: 数学

单位: 中国电子科技集团公司第三十二研究所

基金: 中国电子科技集团安可系统自由硬件新技术研发项目(170225)

分类号: O183.2

DOI: 10.19678/j.issn.1000-3428.0052189

页码: 41-46

总页数: 6

文件大小: 254K

下载量: 113