计算机研究与发展

作者：王昊天,丁岩,何贤浩,肖国庆,阳王东,

关键词：稀疏矩阵向量乘法, 编译器, 稀疏模式, 高性能计算, 向量化,

稀疏矩阵向量乘法（sparsematrix-vectormultiplication，SpMV）是数值计算中的核心操作，广泛应用于科学计算、工程模拟以及机器学习中.SpMV的性能优化主要受限于不规则的稀疏模式，传统的优化通常依赖手动设计存储格式、计算策略和内存访问模式.现有张量编译器如TACO和TVM通过领域特定语言（domainspecificlanguage，DSL）可实现高性能算子生成，减轻开发人员繁琐的手动优化工作，但对稀疏计算的优化支持尚显不足，难以根据不同的稀疏模式自适应优化性能.为了解决这些问题，提出了名为SparseMode的稀疏编译框架，能够依据矩阵的稀疏模式为SpMV计算生成高效的向量化代码，并根据硬件平台的特性自适应地调整优化策略.该编译框架首先设计了领域专属语言SpMV-DSL，能够简洁高效地表达SpMV的稀疏矩阵和计算操作.然后提出了基于稀疏模式感知的方法，根据SpMV-DSL定义的矩阵存储格式和非零元素分布动态选择计算策略.最后通过稀疏模式分析和调度优化生成高效并行的SpMV算子代码，以充分利用SIMD指令提升性能.在不同硬件平台上的SpMV实验结果表明，SparseMode生成的SpMV算子代码相较于现有的TACO和TVM张量编译器实现了最高2.44倍的加速比.

来源：2025年第6期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第6期