Cuda 将稀疏矩阵从特征：：稀疏矩阵转换为尖点：：hyb_矩阵

我正在寻找一种转化的方法

Eigen:：SparseMatrixcusp:：hyb_矩阵

来来回回

特征矩阵是之前计算的结果，我需要一个cusp:：hyb_矩阵，以便稍后使用GPU进行共轭梯度计算

---

谢谢。

好吧，我找到了一个解决办法，可以做需要做的事情，但仍然缺少一个更直接的方法

基于此，我只需要从Eigen:：SparseMatrix中提取值的行/列/系数向量，以构造cusp:：hyb_矩阵。这可以通过以下方式完成：

void SparseMatrix2Coo(Eigen::SparseMatrix<float> Matrix, std::vector<int>& rows, std::vector<int>& cols, std::vector<float>& coeffs)
{
rows.clear();
cols.clear();
coeffs.clear();
for (int k=0; k < Matrix.outerSize(); ++k)
{
    for (Eigen::SparseMatrix<float>::InnerIterator it(Matrix,k); it; ++it)
    {
        rows.push_back(it.row());
        cols.push_back(it.col());
        coeffs.push_back(Matrix.coeff(it.row(), it.col()));
    }
}
assert(cols.size() == coeffs.size());
assert(rows.size() == cols.size());
}

void sparsematricx2coo（特征：：sparsematricx矩阵，标准：：向量和行，标准：：向量和列，标准：：向量和系数）
{
行。清除（）；
cols.clear（）；
清除系数（）；
对于（int k=0；k

现在，一旦我们有了rows/cols/coefs，我们只需要使用上面示例中的那些作为输入：

void computeConjugateGradientGPU(std::vector<int>& rows, std::vector<int>& cols, std::vector<float>& coeffs, std::vector<float>& b, Eigen::VectorXf& x)
{
int arrays_size = rows.size();
/// allocate device memory for CSR format
int   * device_I;
cudaMalloc(&device_I, arrays_size * sizeof(int));
int   * device_J;
cudaMalloc(&device_J, arrays_size * sizeof(int));
float * device_V;
cudaMalloc(&device_V, arrays_size * sizeof(float));

float * device_b;
cudaMalloc(&device_b, b.size() * sizeof(float));

/// copy raw data from host to device
cudaMemcpy(device_I, &cols[0], arrays_size * sizeof(int),   cudaMemcpyHostToDevice);
cudaMemcpy(device_J, &rows[0], arrays_size * sizeof(int),   cudaMemcpyHostToDevice);
cudaMemcpy(device_V, &coeffs[0], arrays_size * sizeof(float), cudaMemcpyHostToDevice);
cudaMemcpy(device_b, &b[0],  b.size() * sizeof(float), cudaMemcpyHostToDevice);

/// and the rest is the same...
}

void计算共轭梯度GPU（标准：：向量和行，标准：：向量和列，标准：：向量和系数，标准：：向量和b，特征：：向量x和x）
{
int数组_size=rows.size（）；
///为CSR格式分配设备内存
int*设备I；
cudamaloc（和设备I，数组大小*sizeof（int））；
int*设备_J；
cudamaloc（&device_J，数组大小*sizeof（int））；
浮子*装置_V；
cudaMalloc（&device_V，数组大小*sizeof（float））；
浮动*装置b；
cudamaloc（&device_b，b.size（）*sizeof（float））；
///将原始数据从主机复制到设备
cudaMemcpy（设备I和cols[0]，数组大小*sizeof（int），cudaMemcpyHostToDevice）；
cudaMemcpy（设备和行[0]，数组大小*sizeof（int），cudaMemcpyHostToDevice）；
cudaMemcpy（设备和系数[0]，数组大小*sizeof（float），cudaMemcpyHostToDevice）；
cudaMemcpy（device_b，&b[0]，b.size（）*sizeof（float），cudaMemcpyHostToDevice）；
///其余的都一样。。。
}

另一方面，同样的逻辑也很明显

希望这对别人有帮助

---

干杯。

太好了。你有实际问题要问吗？“我在寻找一种方法”相当肯定的意思是如何…嗯，我在寻找一种预测中奖彩票号码的方法。这并不意味着我们中的任何一方都有一个实际有效的问题，在试图编写执行这种格式转换的代码时，您具体不理解什么？