A unified framework for benchmarking sparse matrix-vector multiplication methods

Seyrek matris-vektör çarpımı (SpMV) hesaplama bilimi, çizge analitiği ve makine öğrenmesi de dahil pek çok kullanım alanı olan önemli bir seyrek doğrusal cebir çekirdeğidir. Bu önemi sebebiyle pek çok çalışma SpMV performansını arttırmayı hedeflemektedir. Yapılan çalışmaların çoğu, önerdikleri metotların performansını özel deney ortamlarında değerlendirmektedir. Özel deney ortamlarının kullanılması, değerlendirme sonuçlarının tekrar edilebilirliğini olumsuz etkilemekte ve önerilen metotların mevcut metotlarla kıyaslanmasını zorlaştırmaktadır. Sunduğumuz bu çalışmada, tutarlı deney sonuçları elde etmek için SpMV metotlarını tek bir deney ortamında birleştiren, kolay entegre edilebilir bir performans değerlendirme çerçevesi oluşturarak problemi çözmeyi hedefledik. Bu kavramın bir kanıtı olarak, en gelişmiş CPU ve GPU tabanlı metotlarını sunduğumuz çerçeveye entegre ettik. Geliştirdiğimiz çerçeveyi açık kaynak bir yazılım olarak araştırmacıların kullanımına sunuyoruz.