[发明专利]一种基于GPU的三阶低秩张量计算方法

说明书

本发明提供一种基于GPU的三阶低秩张量计算方法。本方法的操作步骤如下：CPU将三阶实数张量输入数据DATA1传输至GPU；GPU将DATA1进行傅里叶变换，得到三阶复数张量数据DATA2；GPU对DATA2进行矩阵运算，得到三阶复数张量数据DATA3；GPU对DATA3进行傅里叶逆变换，得到三阶实数张量输出数据DATA4；GPU将DATA4传输至CPU。本发明通过使用GPU来加速三阶低秩张量计算中高并发处理的计算任务以提高计算效率。与传统基于CPU的三阶低秩张量计算相比，计算效率有明显提高，能够在较短时间内完成相同的计算。

技术领域

本发明属于高性能计算领域，具体涉及一个基于GPU(图形处理器GraphicsProcessing Unit)的三阶低秩张量计算方法。

背景技术

在大数据处理、机器学习及物联网等众多科学领域中都需要高维数据计算。研究人员通常将真实世界的高维数据建模为低秩张量，以利用低秩性来减少数据的冗余。张量计算是高性能计算及人工智能的基础。

低秩张量模型已广泛应用于数据补全、MRI图像处理、二维字典学习、无线扫描成像等。因此，研究高性能的张量计算方法对于支持大规模、高维度、结构复杂的张量数据分析至关重要。然而，低秩张量操作是计算密集的，其计算的时间复杂度随张量的大小的增长成指数增长，传统的基于CPU的张量计算计算耗时较长，效率较低，不能满足现实应用的实时性需求，对大规模张量数据的分析分析不实用。

GPU具备众多的计算核以及高访存带宽，近年来越来越多地被用于加速并行计算。GPU的强大计算能力，为加速张量计算提供了强有力的基础。

发明内容

针对现有技术存在的问题，本发明提供一种基于GPU及低管型秩(Low-tubal-rank)张量模型的三阶低秩张量计算方法。与传统基于CPU的三阶低秩张量计算相比，计算效率可明显提高，能在较短时间内完成相同的计算。

为达到上述目的，本发明的技术方案如下：

一种基于GPU的三阶低秩张量计算方法，其特征在于，包括：

步骤1：CPU将三阶实数张量输入数据DATA1传输至GPU。

步骤2：GPU将DATA1进行傅里叶变换，得到三阶复数张量数据DATA2。

步骤3：GPU对DATA2进行矩阵运算，得到三阶复数张量数据DATA3。

步骤4：GPU对DATA3进行傅里叶逆变换，得到三阶实数张量输出数据DATA4。

步骤5：GPU将DATA4传输至CPU。

所述步骤1，包括：

步骤1.1：在GPU显存中分配空间；

步骤1.2：将CPU内存中的三阶实数张量输入数据DATA1传输至GPU显存中所分配空间。W表示DATA1中三阶张量的个数，其值由具体张量运算所需要的输入张量个数决定且W≥1。

所述步骤2，包括：

步骤2.1：在GPU上，对显存中DATA1的W个三阶实数张量T逐个进行傅里叶变换：H＝fft(T,[],3)，得到W个三阶复数张量。其中，T∈R^m×n×k为三阶实数张量，R表示实数，m、n,、k分别为张量T的第一维、第二维、第三维的大小。H∈C^m×n×k为傅里叶变换后得到的三阶复数张量，C表示复数，m、n,、k分别为张量H的第一维、第二维、第三维的大小，fft(T,[],3)表示沿着张量T的第三维进行傅里叶变换，即进行m×n个长度为k的数据的傅里叶变换。在显存能满足计算所需空间的情况下，此m×n个傅里叶变换在GPU上并行进行。

步骤2.2：将W个三阶复数张量保存到GPU显存中，得到三阶复数张量数据DATA2。