cusolver庫使用（LU分解）

由於網上關於使用cusolver庫的介紹比較少，今天就簡單地根據samples寫了乙個lu分解，來解決稠密矩陣ax=b的例子

需要安裝cuda

首先使用vs建立工程

1.導入庫

第一步 右鍵專案 新增依賴性 生成自定義

第二步 專案屬性 鏈結器 輸入 新增三個依賴項cudart.lib，cusolver.lib，cublas.lib。這是使用cusolver需要的庫。

下文**中呼叫了matrix.h,mat等庫來讀取matlab生成的.mat檔案。這還需要另外新增幾個lib，設定一下環境變數，這部分參考

linearsolverlu這個函式是來自於cuda 的sample cusolverdn_linearsolver。這裡包含了rq分解lu分解等稠密矩陣的gpu實現。

#include "stdafx.h"

#include #include #include #include #include #include#include #include "cublas_v2.h"
#include "cusolverdn.h"
#include #includeint linearsolverlu(
cusolverdnhandle_t handle,
int n,
const double *acopy,
int lda,
const double *b,
double *x)
cudamemcpy(x, b, sizeof(double)*n, cudamemcpydevicetodevice);
cusolverdndgetrs(handle, cublas_op_n, n, 1, a, lda, ipiv, x, n, info);
cudadevicesynchronize();
if (info) 
if (buffer) 
if (a) 
if (ipiv) 
return 0;
}int main(int argc, char *argv)
cusolverdnhandle_t handle = null;
cublashandle_t cublashandle = null; // used in residual evaluation
cudastream_t stream = null;
int rowsa = n; // number of rows of a
int colsa = n; // number of columns of a
int nnza = m*n; // number of nonzeros of a
int basea = 0; // base index in csr format
int lda = n; // leading dimension in dense matrix
double *h_a = null;
double *h_x = null; // a copy of d_x
double *h_b = null; // b = ones(m,1)
double *d_a = null; // a copy of h_a
double *d_x = null; // x = a \ b
double *d_b = null; // a copy of h_b
h_a = (double*)malloc(sizeof(double)*lda*colsa);
h_x = (double*)malloc(sizeof(double)*colsa);
h_b = (double*)malloc(sizeof(double)*rowsa);
cusolverdncreate(&handle);
cublascreate(&cublashandle);
cudastreamcreate(&stream);
cusolverdnsetstream(handle, stream);
cublassetstream(cublashandle, stream);
cudamalloc((void **)&d_a, sizeof(double)*lda*colsa);
cudamalloc((void **)&d_x, sizeof(double)*colsa);
cudamalloc((void **)&d_b, sizeof(double)*rowsa);
cudamemcpy(d_a, a0, sizeof(double)*lda*colsa, cudamemcpyhosttodevice);
cudamemcpy(d_b, b0, sizeof(double)*rowsa, cudamemcpyhosttodevice);
clock_t start, finish;
double  duration;
start = clock();
linearsolverlu(handle, colsa, d_a, lda, d_b, d_x);
finish = clock();
duration = (double)(finish - start) / clocks_per_sec;
cudamemcpy(h_x, d_x, sizeof(double)*colsa, cudamemcpydevicetohost);
double max_r = 0;
for (int i = 0; i < n; ++i)
printf("ax=b\n");
printf("rows=%d,cols=%d\n", rowsa, colsa);
printf("%f seconds\n", duration);
printf("max(x_gpu-xcpu)= %lf\n", max_r);
getchar();
matclose(a_file);
matclose(b_file);
cudafree(d_a);
cudafree(d_b);
cudafree(d_x);
mxfree(a0);
mxfree(b0);
mxfree(x);
free(h_a);
free(h_b);
free(h_x);
return 0;
}

測試cpu為i7 4710hq，gpu為gtx880m。

LU分解和轉置

我們通過消元法解出 ax b 在消元過程中，我們要把a化成上三角形式，我們稱之為 u 而 e 就是描述 a 與 u 關係的矩陣，我們有 ea u 這是之前學過的內容，再熟悉不過了，但是我們的行交換矩陣 e 並不是乙個漂亮的形式，為啥這麼說呢！看個例幾 a left begin 2 4 2 4 10 ...

C C 使用Lu擴充套件動態庫

lu程式設計 c c 使用lu擴充套件動態庫 1 說明 lu32.h，相信你會找到並正確使用這幾個檔案。用c c 編譯器建立乙個控制台應用程式，複製本文的例子 直接編譯執行即可。2 關於lu擴充套件動態庫的使用 lu擴充套件動態庫只有乙個輸出函式 lu擴充套件動態庫唯一的輸出函式 hlu lu32....

c 矩陣求逆的lu分解實現

c 矩陣求逆的lu分解實現 初學c 嘗試利用基礎知識編寫矩陣求逆。但發現求解伴隨陣的過程非常複雜且難以實現，而我正好看到一篇求三角陣伴隨矩陣的文章，故嘗試程式設計實現。在這種方法下，計算量明顯減小，實現方法，思路適合初學者。參考文獻 三角形矩陣求伴隨矩陣的一種方法 曾月新 求逆矩陣思路 1.求矩陣的...