On Memory Footprints of Partitioned Sparse Matrices

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>

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.

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)

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

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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