Введение в методы параллельного программирования

За основу организации параллельных вычислений при реализации метода сопряженных градиентов выбирается параллельное выполнение операции умножения матрицы на вектор, потому что:

(Ответ считается верным, если отмечены все правильные варианты ответов.)

Варианты ответа

операция умножения матрицы на вектор – наиболее трудоемкая из вычислительных операций итерации метода сопряженных градиентов(Верный ответ)

операция умножения матрицы на вектор может быть эффективно распараллелена (Верный ответ)

итерации метода сопряженных градиентов должны выполняться строго последовательно(Верный ответ)

Похожие вопросы

За основу организации параллельных вычислений при реализации метода сопряженных градиентов выбирается:

При разработке параллельных алгоритмов для матричных вычислений за основу выбирается разделение данных, потому что:

При разработке параллельных алгоритмов решения дифференциальных уравнений в частных производных за основу выбирается разделение данных, потому что:

При реализации параллельного алгоритма для метода сопряженных градиентов вычисления над векторами дублируются на всех процессорах для того, чтобы:

Какие способы разделения элементов матрицы между процессорами вычислительной системы используются для разработки параллельных алгоритмов умножения матрицы на вектор?

Какая коммуникационная операция используется при выполнении параллельного алгоритма умножения матрицы на вектор, основанного на разделении матрицы на вертикальные полосы?

Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 100x100. На вычислительной системе все операции сложения и умножения выполняются одинаковое время $\tau = 2$ нсек. Латентности сети $\alpha = 5$ нсек. Пропускная способность сети $\beta = 500$ Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какое в этом случае достигается теоретическое ускорение:

Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 200x200. На вычислительной системе все операции сложения и умножения выполняются одинаковое время $\tau = 2$ нсек. Латентности сети $\alpha = 50$ нсек. Пропускная способность сети $\beta = 50$ Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какая в этом случае достигается теоретическая эффективность:

Рассмотрим задачу поиска решения системы линейных уравнений. Пусть размер матрицы системы линейных уравнений 20x20. На вычислительной системе все операции сложения и умножения выполняются одинаковое время $\tau = 2$ нсек. Латентности сети $\alpha = 50$ нсек. Пропускная способность сети $\beta = 60$ Mбайт/сек. Элементы матрицы системы линейных уравнений имеют тип double и занимают w = 8 байт. Если при распараллеливании алгоритма сопряженных градиентов использовалось 4 процессора, то какая в этом случае достигается теоретическая стоимость параллельного алгоритма:

Для эффективного выполнения параллельного алгоритма умножения матрицы на вектор, основанного на блочном разделении матрицы, необходимо, чтобы процессоры вычислительной системы были объединены в топологию: