[发明专利]一种线性方程组的数据处理方法及装置

权利要求书

1.一种线性方程组的数据处理方法，其特征在于，该方法包括：

系统根据图形处理器(GPU)显存大小及所要计算的线性方程组系数矩阵维度大小确定GPU一次性并行求解的最大线性方程组个数M；

当M大于或等于GPU的流处理器个数时，确定当前所要计算的是小型线性方程组，则通过一个GPU内核一次性应并行求解M个方程直到求解完整个线性方程组；

当M小于GPU的流处理器个数时，确定当前所要计算的是大型线性方程组，则调用基于GPU和众核架构的矩阵代数库进行运算，其中，一次求解一个线性方程组。

2.如权利要求1所述的方法，其特征在于，系统根据GPU显存大小及所要计算的线性方程组系数矩阵维度大小确定GPU一次性并行求解的最大线性方程组个数M的过程如下：

确定GPU可利用的显存空间W，根据线性方程组系数矩阵的维度大小，计算求解一个线性方程组所需显存空间W0；统计求解线性方程组额外的辅助数据所需显存空间W1；再根据GPU可利用显存空间W、求解线性方程组额外的辅助数据所需显存空间W1和一个线性方程组所需显存空间W0，计算一次性并行求解的最大线性方程组个数M，其中：

M＝(W-W1)/W0。

3.如权利要求1或2所述的方法，其特征在于，通过一个GPU内核一次性应并行求解M个方程直到求解完整个线性方程组的过程如下：

确定计算统一设备架构(CUDA)线程模型，将M个线性方程组设计为一个网格，其中每一个线性方程组设计为一个线程块，每一个线程块的线程数根据系数矩阵的维度变动而动态调整；

确定CUDA并行算法，利用GPU线程并行进行消元操作，一个线程块包括多个线程束，一个线程束负责一列的消元，多个线程束并行消去多列；一个线程束内一个线程负责一列中一行的消元，多个线程实现并行多行消元；

确定CUDA内存模型，所述CUDA内存模型支持全局内存使用、共享内存使用和第一级缓存使用。

4.如权利要求3所述的方法，其特征在于，所述全局内存使用指：

一个线程束内的32个线程同时访问全局内存中的连续内存。

5.如权利要求3所述的方法，其特征在于，所述共享内存使用指：

将每个块中公共的数据，放入共享内存中。

6.如权利要求3所述的方法，其特征在于，所述第一级缓存使用指：

将局部多次访问的数据放置在第一级缓存中。

7.一种线性方程组的数据处理装置，其特征在于，该装置包括：

第一单元，根据图形处理器(GPU)显存大小及所要计算的线性方程组系数矩阵维度大小确定GPU一次性并行求解的最大线性方程组个数M；

第二单元，判断M是否大于或等于GPU的流处理器个数；

第三单元，当M大于或等于GPU的流处理器个数时，确定当前所要计算的是小型线性方程组，通过一个GPU内核一次性应并行求解M个方程直到求解完整个线性方程组；

第四单元，当M小于GPU的SM流处理器个数时，确定当前所要计算的是大型线性方程组，调用基于GPU和众核架构的矩阵代数库进行运算，其中，一次求解一个线性方程组。

8.如权利要求7所述的装置，其特征在于，

所述第一单元，计算确定GPU可利用的显存空间W，根据线性方程组系数矩阵的维度大小，计算求解一个线性方程组所需显存空间W0；统计求解线性方程组额外的辅助数据所需显存空间W1；再根据GPU可利用显存空间W、求解线性方程组额外的辅助数据所需显存空间W1和一个线性方程组所需显存空间W0，计算一次性并行求解的最大线性方程组个数M，其中：

M＝(W-W1)/W0。

9.如权利要求7或8所述的装置，其特征在于，

所述第三单元，确定计算统一设备架构(CUDA)线程模型，将M个线性方程组设计为一个网格，其中每一个线性方程组设计为一个线程块，每一个线程块的线程数根据系数矩阵的维度变动而动态调整；

确定CUDA并行算法，利用GPU线程并行进行消元操作，一个GPU块包括多个线程束，一个线程束负责一列的消元，多个线程束并行消去多列；一个线程束内一个线程负责一列中一行的消元，多个线程实现并行多行消元；

确定CUDA内存模型，所述CUDA内存模型支持全局内存使用、共享内存使用和第一级缓存使用。

10.如权利要求9所述的装置，其特征在于，

所述全局内存使用指：一个线程束内的32个线程同时访问全局内存内中的连续内存；

所述共享内存使用指：将每个块中公共的数据，放入共享内存中；

所述第一级缓存使用指：将局部多次访问的数据放置在第一级缓存中。