GPU SpMV

基于 CUDA 的高性能稀疏矩阵向量乘法库

快速开始 → API 文档 GitHub

✨ 核心特性

🚀 极致性能

多 Kernel 智能调度，针对 NVIDIA GPU 优化，带宽利用率高达 70%+

📊 多格式支持

CSR 通用格式 + ELL 高性能格式，适配不同稀疏性矩阵

🎯 生产级质量

RAII 资源管理、语义化错误码、完整测试覆盖，企业级可靠性

🔥 为什么选择 GPU SpMV？

智能 Kernel 选择

根据矩阵特征自动选择最优 Kernel：

// 自动分析矩阵特征，选择最佳 kernel
SpMVConfig config = spmv_auto_config(csr);
SpMVResult result = spmv_csr(csr, d_x, d_y, &config, n);

矩阵特征	推荐 Kernel	性能
极稀疏 (avg_nnz < 4)	Scalar CSR	★★★☆☆
中等稀疏 (skewness < 10)	Vector CSR	★★★★☆
高度倾斜 (skewness ≥ 10)	Merge Path	★★★★★
ELL 格式	ELL Kernel	★★★★★

简洁的 API 设计

#include <spmv/spmv.h>

// 1. 创建 CSR 矩阵
CSRMatrix* csr = csr_create(num_rows, num_cols, nnz);
csr_from_dense(csr, host_data, num_rows, num_cols);

// 2. 传输到 GPU
csr_to_gpu(csr);

// 3. 执行 SpMV
SpMVConfig config = spmv_auto_config(csr);
SpMVResult result = spmv_csr(csr, d_x, d_y, &config, n);

// 4. 清理资源
csr_destroy(csr);

企业级特性

🎯 RAII 资源管理

自动生命周期管理，避免内存泄漏：

CudaBuffer<float> buffer(1000);
// 自动释放 GPU 内存

🔍 语义化错误码

清晰的错误追踪：

if (result.error != SpMVError::SUCCESS) {
    printf("Error: %s\n", spmv_error_string(result.error));
}

🖥️ 跨平台支持

Windows / Linux 全平台支持

🔧 CMake Presets

一键构建，零配置：

cmake --preset release
cmake --build --preset release

✅ 完整测试覆盖

Google Test + 100+ 属性测试用例

📈 性能基准

内置 benchmark 工具，量化性能指标

📊 性能表现

在 NVIDIA RTX 3090 (Ampere) 上的测试结果：

矩阵规模	非零元素	Kernel	带宽利用率
10K × 10K	500K	Vector CSR	~70%
100K × 100K	5M	Merge Path	~65%
1M × 1M	50M	Merge Path	~60%

🚀 快速开始

系统要求

CUDA Toolkit 11.0+ / 12.0+
CMake 3.18+
C++17 编译器
NVIDIA GPU (CC 7.0+)

三步安装

# 1. 克隆仓库
git clone https://github.com/LessUp/gpu-spmv.git
cd gpu-spmv

# 2. 构建
cmake --preset release
cmake --build --preset release

# 3. 测试
ctest --preset default