在GPU上计算特征值和特征向量的性能很差

Question

在某些代码中，我们需要获得具有对称实矩阵（Ax = lamba Bx）的广义特征值问题的自动向量和自动值。此代码使用LACPACK中的DSPGVX。我们希望使用MAGMA功能在GPU上加速。我们在这个论坛上询问并得到了关于这个的答案

http://icl.cs.utk.edu/magma/docs/zhegvx_8cpp.html

我们的矩阵（N）的大小从100到50000甚至更多，与分子中的原子数有关。我们观察到：

a）对于大于2500（大约）的N，MAGMA不起作用;分段故障 b）MAGMA总是比LAPACK顺序慢，大约慢10倍

这种行为是否正常，我们可以克服它吗？任何人都可以报告任何参与此类问题的人获得体面加速的情况吗？

由于

Answer 1

根据我的经验，您可以通过切换到更好的eigensolver获得更大的性能优势。我所知道的最好的解算器是ARPACK。你的矩阵有一些结构，例如，如果它们很稀疏，你将获得最大利益。如果你只需要提取特征对总数的一小部分，这个求解器也是最有效的。

我首先尝试解决你在CPU上运行的问题。您可能会发现仅此一项就能满足您的需求。如果没有，那么将ARPACK的计算核心移动到GPU相对容易。或者，有可用的ARPACK并行版本。

Answer 2

您是否尝试过CULA http://www.culatools.com/？ CULA是由NVIDIA转换为CUDA的Lapack，因此至少在理论上它应该具有广义特征值问题的最佳实现之一。我认为单精度版本是免费的，所以你可以尝试一下。