On Memory Footprints of Partitioned Sparse Matrices
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00010669%3A_____%2F17%3AN0000025" target="_blank" >RIV/00010669:_____/17:N0000025 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21240/17:00313818
Výsledek na webu
<a href="https://annals-csis.org/proceedings/2017/drp/70.html" target="_blank" >https://annals-csis.org/proceedings/2017/drp/70.html</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.15439/2017F70" target="_blank" >10.15439/2017F70</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On Memory Footprints of Partitioned Sparse Matrices
Popis výsledku v původním jazyce
The presented study analyses 563 representative benchmark sparse matrices with respect to their partitioning into uniformly-sized blocks. The aim is to minimize memory footprints of matrices. Different block sizes and different ways of storing blocks in memory are considered and statistically evaluated. Memory footprints of partitioned matrices are additionally compared with lower bounds and the CSR storage format. The average measured memory savings against CSR in case of single and double precision are 42.3 and 28.7 percents, respectively. The corresponding worst-case savings are 25.5 and 17.1 percents. Moreover, memory footprints of partitioned matrices were in average 5 times closer to their lower bounds than CSR. Based on the obtained results, we provide generic suggestions for efficient partitioning and storage of sparse matrices in a computer memory.
Název v anglickém jazyce
On Memory Footprints of Partitioned Sparse Matrices
Popis výsledku anglicky
The presented study analyses 563 representative benchmark sparse matrices with respect to their partitioning into uniformly-sized blocks. The aim is to minimize memory footprints of matrices. Different block sizes and different ways of storing blocks in memory are considered and statistically evaluated. Memory footprints of partitioned matrices are additionally compared with lower bounds and the CSR storage format. The average measured memory savings against CSR in case of single and double precision are 42.3 and 28.7 percents, respectively. The corresponding worst-case savings are 25.5 and 17.1 percents. Moreover, memory footprints of partitioned matrices were in average 5 times closer to their lower bounds than CSR. Based on the obtained results, we provide generic suggestions for efficient partitioning and storage of sparse matrices in a computer memory.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA16-16772S" target="_blank" >GA16-16772S: Vývoj symetriemi-řízených metod pro modelování středně těžkých atomových jader z prvních principů</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 2017 Federated Conference on Computer Science and Information Systems
ISBN
978-8-3946-2537-5
ISSN
2325-0348
e-ISSN
2300-5963
Počet stran výsledku
9
Strana od-do
513-521
Název nakladatele
Institute of Electrical and Electronics Engineers Inc.
Místo vydání
Neuveden
Místo konání akce
Lublin, Polsko
Datum konání akce
3. 9. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000417412800077