使用CUBLAS / CUSPARSE操作将unitialised数组的元素设置为0是否安全？

Question

例如累积不同矩阵向量乘法的结果（即使只有一个累积元素，这就是你在BLAS中所做的），一个正式以零向量开始。但是没有直接在CUDA设备内存上分配零数组的无开销方法（或者在那里？），所以跳到脑海的解决方案是简单地采用具有任意数字的数组，而不是将其初始化为0 ，将值beta = 0.传递给cublas<t>gemv或cusparse<t>csrmv的第一个电话。毕竟，如果它有参数“为什么不使用它”。

这是

• 一个好主意？或者β = 1的情况是如何优化的，以便将数组初始化为0然后使用调用cusparseDcsrmv(..., 1., zeroes_array)提供整体更好的性能？
• 安全吗？天真地，浮点作为ℝ元素的表示应该满足 x ⋅0= 0∀ x ，但这种天真的处理当然在处理浮点时通常是相当致命的。我很确定是安全的，当数组先前用于具有相同数据类型的其他操作时，其结果表现良好，但对于新分配的单元化块也是安全的设备内存？

我主要对稀疏情况感兴趣，因为对于密集矩阵， O （ n ²）乘法的复杂性使得不必过多地对性能进行推理向量的 O （ n ）分配。

Answer 1

这应该是完全安全的，并且一直都在做;任何在β= 0时行为不正确的包都会有严重的错误。

csrmv的cusparse文档特别说“如果beta为零，则y不必是有效输入”，LAPACK表示* gemv类似的东西（“当BETA提供为零时，Y不需要设置输入“）

对于优化，可能是beta = 1和beta = 0的情况可能适用于任何实现的特定优化代码路径，但可能不会;可能如果没有，也不会。