-
题名基于GPU的高效并行l_1最小化算法
被引量：2
- 1
-
-
作者
高家全
李泽界
-
机构
浙江工业大学计算机科学与技术学院
-
出处
《浙江工业大学学报》
CAS
北大核心
2016年第5期495-500,共6页
-
基金
国家自然科学基金资助项目(61379017)
-
文摘
多数l_1最小化算法主要由稠密矩阵矢量乘(如Ax和A^Tx)和矢量运算组成.为使其适应大数据环境下的性能需求,基于GPU,利用其新的特征,提出了两个新颖的基于GPU的并行矩阵矢量乘.这两个算法实现了全局内存的合并访问,对任意给定矩阵,通过所使用的自适应分配线程数或warp数的策略,增加了鲁棒性.基于这两个算法,并以两个流行的l_1最小化算法为例:快速迭代收缩阈值算法(FISTA)和增广拉格朗日乘子法(ALM),提出了两个高效基于GPU的并行l_1最小化算法.实验结果验证了提出的算法是高效的,并有良好的性能.
-
关键词
l1最小化
GPU
矩阵矢量乘
FISTA
ALM
-
Keywords
l1-minimization
GPU
matrix-vector multiplication
FISTA
ALM
-
分类号
TP338.6
[自动化与计算机技术—计算机系统结构]
-
