MPI矩阵乘法 通过MPI乘以矩阵，主控将矩阵分解为子部分，并将其分配给从属，从属进行矩阵乘法，然后将结果重新调整回主控。 主人最终将奴隶的重演结果汇总并生成最终矩阵 要安装的软件包 适用于Mac的MPI brew install openmpi python库 pip install mpi4py pip install numpy 怎么跑 通过MPI的多个过程 mpiexec -n python multi_proces_multiplier.py mpiexec -n 4 python multi_process_multiplier.py 单道工序 python signle_process_multiplier.py

首先介绍了CUDA架构特点，在GPU上基于CUDA使用两种方法实现了矩阵乘法，并根据CUDA特有的软硬件架构对矩阵乘法进行了优化。然后计算GPU峰值比并进行了分析。实验结果表明，基于CUDA的矩阵乘法相对于CPU矩阵乘法获得了很高的加速比，最高加速比达到1 079.64。GPU浮点运算能力得到有效利用，峰值比最高达到30.85%。

基于FPGA的全流水双精度浮点矩阵乘法器设计.pdf

快速乘法程序，对于矩阵的一些计算，提供了快速实现方法，希望能给大家一点帮助！

该代码是基于FPGA的矩阵乘法器的代码，可以实现32x32大小有符号矩阵相乘，开发环境是ISE，用modelsim进行仿真

基于Pthread的多线程并行矩阵乘法，包含1000*1000矩阵随机矩阵生成代码，和串行矩阵乘法的比较，c++实现，Windows系统。

十字链表存储稀疏矩阵算法，实现两个矩阵的乘法运算

树莓派3矩阵乘法OpenMP程序测试，计算程序在A20双核上的加速比，并对结果分析

该库为 GPU 提供高性能批量稀疏矩阵乘法 (SpMM) 内核。目标矩阵很小，行（或列）数为几十或几百。这种操作可以在图卷积网络的应用中找到。Batched SpMM 算法的详细信息可以在论文 (1) 中找到。 (1) Yusuke Nagasaka、Akira Nukada、Ryosuke Kojima、Satoshi Matsuoka，“用于加速图卷积网络的批量稀疏矩阵乘法”，第 19 届 IEEE/ACM 集群、云和网格计算国际研讨会 (CCGrid 2019)，拉纳卡，塞浦路斯，2019 年。（论文也在arXiv上）

使用 GPU 张量核加速稀疏矩阵-矩阵乘法 在这个存储库中，我们提供了加速稀疏矩阵-矩阵乘法 (SpGEMM) 实现的源代码