270 likes | 543 Views
Level-3 BLAS に基づく二重対角化 アルゴリズムとその性能評価. 名古屋大学 計算理工学専攻 山本有作 2006 年 1 月 5 日 -7 日 第 3 回計算数学研究会. 目次. 1 . はじめに 2 . 従来の二重対角化アルゴリズム 3 . Level-3 BLAS に基づく二重対角化アルゴリズム 4 . 性能評価 5 . 特異ベクトルの計算手法 6 . まとめと今後の課題. 1 . はじめに. 本研究で対象とする問題 実正方行列 A の下二重対角行列への変換 B = U 0 T AV 0 A : n × n 密行列
E N D
Level-3 BLASに基づく二重対角化アルゴリズムとその性能評価 名古屋大学 計算理工学専攻 山本有作 2006年1月5日-7日 第3回計算数学研究会
目次 1. はじめに 2. 従来の二重対角化アルゴリズム 3.Level-3 BLAS に基づく二重対角化アルゴリズム 4. 性能評価 5. 特異ベクトルの計算手法 6. まとめと今後の課題
1. はじめに • 本研究で対象とする問題 • 実正方行列 A の下二重対角行列への変換 B = U0TAV0 • A: n×n密行列 • B: n×n下二重対角行列 • U0,V0: n×n直交行列 • 応用分野 • 行列 Aの特異値分解に対する前処理 • 画像処理の分野では,n = 10,000 以上の大規模行列に対する特異値分解の需要あり • 必要な特異ベクトルは数本程度の場合が多い • 前処理を数分程度で行えることが望ましい
特異値分解の流れ 計算内容 計算手法 密行列 A U0TAV0 = B (U0, V0: 直交行列) ハウスホルダー法 二重対角化 二重対角行列 B QR法 分割統治法 MR3アルゴリズム I-SVDアルゴリズム Bvi =σi xi BTxi =σi yi 二重対角行列の 特異値・特異ベクトル計算 Bの特異値 {σi}, 特異ベクトル {xi }{yi } vi = V0 yi ui = U0 xi 逆変換 逆変換 Aの特異ベクトル {ui }, {vi }
各部分の演算量 • m組の特異値・特異ベクトルを求める場合の演算量 • 二重対角化: (8/3) n3 • 特異値の計算: O(mn) ~ O(n2) • 特異ベクトルの計算: O(mn) ~ O(m2n) • 逆変換: O(mn2) • m ≪ nの場合は演算量の大部分を二重対角化が占める。 • ハウスホルダー法の高速化が必要
2. 従来の二重対角化アルゴリズム ベクトル • ハウスホルダー法による二重対角化 • 鏡像変換 H = I – a wwTによる列の消去 • Hは対称な直交行列 • 与えられたベクトルの第1成分以外をゼロにする。 • 第 k ステップでの処理 左からH を乗算 0 0 0 0 0 0 右からHkR を乗算 左からHkL を乗算 k ゼロにしたい部分 影響を受ける部分 非ゼロ要素
ハウスホルダー法のアルゴリズム [Step 1]k = 1 から n –1 まで以下の[Step 2] ~ [Step 8]を繰り返す。 [Step 2]A(k, k+1:n) を 0 にする鏡像変換 HkR= I – akRwkR(wkR)Tの計算 [Step 3]行列ベクトル積: p := akRA(k:n, k:n) wkR [Step 4]行列のrank-1更新: A(k:n, k:n) := A(k:n, k:n) – p(wkR)T [Step 5]A(k+2:n, k) を 0 にする鏡像変換 HkL= I – akLwkL(wkL)Tの計算 [Step 6]行列ベクトル積: qT := akL (wkL)TA(k+1:n, k:n) [Step 7]行列のrank-1更新: A(k +1:n, k:n) := A(k +1:n, k:n) – wkLqT A(k, k+1:n) 0 0 A(k:n, k:n) 0 0 A(k +2:n, k) A(k +1:n, k :n) k
ハウスホルダー法の特徴と問題点 • 特徴 • 全演算量のほとんどが,level-2 BLASである行列ベクトル積と行列のrank-1更新で占められる。 • 全演算量: 約 (8/3)n3 • 行列ベクトル積の演算量: 約 (4/3)n3 • rank-1更新の演算量: 約 (4/3)n3 • 問題点 • level-2 BLASのため,行列データの再利用性なし • キャッシュミス,SMPでのメモリ競合の影響大 • 最近のマイクロプロセッサ,SMP上での高性能が期待できない。
3.Level-3 BLAS に基づく二重対角化アルゴリズム • 基本的なアイディア • 密行列 A をまず帯幅 L の下三角帯行列 C に変換 • 次にこの帯行列を下二重対角行列 B に変換 • 二重対角化を2段階で行うことの利点 • 下三角帯行列への変換は, level-3BLAS のみを使って実行可能 • 下三角帯行列から二重対角行列への変換の演算量は O(n2L) であり,前半部に比べてずっと小さい。 次数 n 下三角 帯行列化 村田法 の拡張 0 0 O(n2L) 約 (8/3)n3 0 0 A C B 帯幅 L
(参考)対称行列の三重対角化の場合 • Bischof のアルゴリズム(Bishof et al., 1993, 1994) • 対称密行列 A をまず半帯幅 L の対称帯行列 C に変換 • 次にこの帯行列を三重対角行列 T に変換 • Bischof のアルゴリズムの性能・精度(山本, 2005) • 固有値の誤差は,LAPACKで使われる Dongarra のアルゴリズムに比べ,多くの場合2~3倍程度 • 速度は2~3倍高速 • 様々なマイクロプロセッサ上で,ピークの50~70%の性能を達成 次数 n 半帯幅 L 0 帯行列化 村田法 0 O(n2L) 約 (4/3)n3 0 0 A C T
下三角帯行列化のアルゴリズム ブロックベクトル ブロック鏡像変換によるブロック列の消去 • ブロック鏡像変換 H = I – WαWT • Hは直交行列 • 与えられたブロックベクトルを上三角 行列(正確には右上三角部分のみ 非零でそれ以外が零の行列)に変形 第 Kステップでの処理 左からH を乗算 0 0 0 0 0 0 左からHKL を乗算 右からHKR を乗算 ゼロにしたい部分 影響を受ける部分 非ゼロ要素
下三角帯行列化のアルゴリズム(続き) [Step 1]K = 1からN /L–1まで以下の[Step 2] ~ [Step 6]を繰り返す。 [Step 2]A(K, K:N) を上三角行列に変形する鏡像変換 HKR= I – WKRaKR (WKR)Tの計算 [Step 3] 行列・ブロックベクトル積: P := A(K:N, K:N) WKR aKR [Step 4] 行列のrank-L更新: A(K:N, K:N) := A(K:N, K:N) – P(WKR)T [Step 5]A(K+1:N, K) を上三角行列に変形する鏡像変換 HKL= I – WKLaKL (WKL)Tの計算 [Step 6] 行列・ブロックベクトル積: QT := aKL (WKL)TA(K+1:N, K:N) [Step 7] 行列のrank-L更新: A(K+1:N, K:N) := A(K+1:N, K:N) – WkLQT すべて level-3 BLAS(行列乗算) • 本アルゴリズムの特徴 • 演算が level-3 BLAS 中心のため,キャッシュの有効利用が可能 • SMPにおけるメモリ競合の影響を低減可能
下三角帯行列の二重対角化 • 対称帯行列の三重対角行列への相似変換(村田法) • 第 k 列の三重対角化 • 第 k列の副対角要素より下を 0 にする鏡像変換を左と右からかける。 • Bulge-chasing • 上記の結果,帯より下に非零要素がはみ出すので,相似変換を繰り返して,はみ出した分を右下に移動し,右下隅から追い出す。 • 村田法のアイディアの二重対角化への適用(Lang, 1996) • 第 k 列の二重対角化 • 第 k列の副対角要素より下を 0 にする鏡像変換を左からかける。 • Bulge-chasing • 上記の結果,上三角部分に非零要素がはみ出すので,左右から直交変換を繰り返し掛けることにより,はみ出した分を右下に移動し,右下隅から追い出す。
第1列の二重対角化と bulge-chasing 左側からの 直交変換で 更新された 要素 左側からの 直交変換で 更新された 要素
第2列の二重対角化と bulge-chasing 左側からの 直交変換で 更新された 要素 左側からの 直交変換で 更新された 要素 演算量は 8n2L
SMP向けの並列化 • 下三角帯行列化 • 並列版の Level-3 BLASを使えば,逐次版のプログラムをそのまま SMP 上で並列化可能 • OpenMP などを用いて手動で並列化すれば,並列化効率を更に向上可能
SMP向けの並列化(続き) • 二重対角化向け村田法 • 第1列の二重対角化処理と第2列の二重対角化処理の並列性 • 一般の場合の並列性 • 第1列に対する bulge-chasing の第 k ステップ • 第2列に対する bulge-chasing の第 k–2ステップ • 第3列に対する bulge-chasing の第 k–4ステップ ・・・ が同時に実行可能 第2列のbulge-chasing における,右側からの 第1の直交変換で更新 される要素 第1列のbulge-chasing における,右側からの 第3の直交変換で更新 される要素 第1列による二重対角化は,今後 より右の要素にのみ影響を及ぼす。 第1列の計算が右下まで行くのを待たずに,第2列の計算を開始できる。
4. 性能評価 • 評価環境 • Opteron (1.8GHz), 1~4CPU • Linux 上で PGI Fortran + GOTO BLAS を使用 • ピーク性能: 3.6GFLOPS/CPU • PowerPC G5 (2.0GHz), 1~2CPU • Mac OS X 上で IBM XL Fortran + GOTO BLAS を使用 • ピーク性能: 8GFLOPS/CPU • 評価対象 • n = 2500 ~ 12500 の乱数行列の二重対角化 • 下三角帯行列化部分は並列版 GOTO BLAS,村田法部分は OpenMP により並列化 • 評価方法 • 下三角帯行列化 + 村田法の合計時間を測定し,演算量を(8/3)n3として MFLOPS 値を算出 • ブロックサイズ Lは,各 nに対して最適な値を使用
Opteron (1.8GHz) 1CPU上での性能 L=100 ピークの 80% Performance (GFLOPS) Matrix size n = 12500 のとき,本アルゴリズムはピークの80%の性能を達成
Opteron (1.8GHz) 4CPU上での性能 L=100 ピークの 67% 286s Performance (MFLOPS) 3.3倍 L=100 Matrix size n = 12500 のとき,本アルゴリズムは4CPUで3.3倍の加速率 ピークの67%の性能を達成
各部分の演算時間(Opteron, n=12500) Execution time (s) 大規模問題に対しては,村田法の占める時間の割合は小さい。 村田法の加速率は,L=100 のとき4CPUで3.3倍
PowerPC G5 (2.0GHz) 1CPU上での性能 L=100 ピークの 57% Performance (GFLOPS) Matrix size n = 12500 のとき,本アルゴリズムはピークの57%の性能を達成
PowerPC G5 (2.0GHz) 2CPU上での性能 L=100 ピークの 42% 421s L=100 Performance (MFLOPS) 1.5倍 Matrix size n = 12500 のとき,本アルゴリズムは2CPUで1.5倍の加速率 ピークの42%の性能を達成
各部分の演算時間(PowerPC G5, n=12500) Execution time (s) 大規模問題に対しては,村田法の占める時間の割合は小さい。 村田法の加速率は,L=100 のとき2CPUで1.4倍
5. 特異ベクトルの計算手法 n • 方法1: 二重対角行列の特異ベクトルを計算して2回逆変換 • 長所 • 二重対角行列の特異値・特異ベクトルを求める任意の手法が適用可能 • 短所 • 逆変換の演算量が 4mn2(ただし,mが小さければ影響は少ない) • 村田法の変換をすべて記憶するため,n2の記憶領域が余計に必要 0 L 0 特異値 {σi} 0 0 QR法 DC法 MR3 I-SVD A C B 2mn2 2mn2 A の特異ベクトル {ui }{vi } C の特異ベクトル {zi }{wi } B の特異ベクトル {xi }{yi }
5. 特異ベクトルの計算手法 n • 方法2: 下三角帯行列の特異ベクトルを直接計算 • 長所 • 村田法の逆変換のための演算量(2mn2)・記憶領域(n2)が不要 • 短所 • 帯行列用逆反復法(O(mnL2))と特異ベクトルの直交化(O(m2n))が必要 • 特異値σi は Cの高精度な固有値でないため,ツイスト分解は使用不可 0 L 0 0 0 QR法 dqds法 mdLVs法 二分法 帯行列用 逆反復法 A C B 2mn2 O(mnL2+ m2n) A の特異ベクトル {ui }{vi } C の特異ベクトル {zi }{wi } 特異値 {σi}
5. 特異ベクトルの計算手法 n 帯行列版 mdLVs法 • 方法3: 村田法を使わず帯行列 Cの特異値・特異ベクトルを直接計算 • 長所 • 村田法の逆変換のための演算量(2mn2)・記憶領域(n2)が不要 • うまく行けば,直交化が不要なアルゴリズムを作れる可能性あり • 問題点 • そもそも帯行列版の mdLVs 法,ツイスト分解は構成できるか? • 演算量,演算の安定性は? 0 L 特異値 {σi} 0 A C 帯行列版 ツイスト分解 2mn2 A の特異ベクトル {ui }{vi } C の特異ベクトル {zi }{wi }