我正在嘗試使用OpenCL加速一些計算，部分算法由反轉矩陣組成。是否有任何開源庫或免費代碼來計算在OpenCL或CUDA中編寫的矩陣或常規反演的lu分解（lapack dgetrf和dgetri）？矩陣是真實的和方形的，但除此之外沒有任何其他特殊屬性。到目前爲止，我已經設法在gpu上找到基本的blas矩陣向量操作實現。OpenCL中的矩陣求逆
該矩陣相當小，只有大約60-100行和列，所以它可以在CPU上更快地計算，但它在算法中間使用，所以我不得不將它轉移到主機，計算反過來，然後將結果傳回設備，然後將其用於更大的計算。
我在Open CL中沒有實現，但是"Numerical Recipes"和Gil Strang的"Into to Applied Math"都有很好的解釋，它們很容易編碼。 「NR」有你可以適應的C代碼。
計算逆
這是不正確。你沒有用LU分解來計算一個逆，你正在分解這個矩陣。如果你想要反過來，你必須用一系列的單位向量做前向替換。這是一個小而重要的區別。
看ViennaCL：http://viennacl.sourceforge.net/
這就是我想要的。唯一的問題是LU分解的內核不使用pivoting，所以對於某些輸入來說，它們的性能可能相當差並且數值不穩定。 – buchtak 2010-07-14 08:27:53
我知道這是有點晚了，但如果你正在嘗試做一個矩陣那就是任何矩陣計算小的（60-100行），那麼在CPU上而不是在GPU上的計算速度會更快，因爲將信息從主存儲器複製到GPU的內存需要花費很多時間。如果您想要這樣做，那麼我會建議您考慮使用OpenMP或MPI等並行語言，因爲這樣可以讓您並行化代碼以加速CPU上的計算。
原來的問題（現在7歲）實際上是在4年後在paper describing matrix inversion in CUDA based on Gauss-Jordan中解決的。它試圖在不同的線程上分配計算結果，併爲尺寸最大爲2048的矩陣提供詳細的性能指示。
雖然不是OpenCL，但一般的想法很容易從CUDA轉換而來。
您還應該注意，反轉矩陣可能是一項昂貴的操作，特別是對於大型矩陣，並且通常有其他解決手頭問題的方法。 LU分解是一個「構建塊」，可以用來避免做一個真正的逆轉。 – Tom 2010-06-01 11:53:39