基于FPGA和行折叠的稀疏矩阵向量乘优化

稀疏矩阵向量乘(SpMV)是科学与工程计算中的一个关键内核。由于稀疏矩阵中不规则的数据分布和SpMV计算中不规则的访存操作,SpMV在多核CPU和GPU等设备上的性能与这些设备的理论峰值还具有较大差距。现有的CPU和GPU由于在架构上受到限制,导致它们无法很好地利用稀疏矩阵的特殊结构来加速SpMV计算,而现场可编程门阵列(FPGA)可以通过自定义电路实现高效的并行运算,能够更好地处理稀疏矩阵的计算和存储问题。基于FPGA提出了一种SpMV优化方法,该优化方法基于高级综合的流式处理引擎,采用了一种自适应多行折叠的SpMV优化策略。该方法通过行折叠减少了处理引擎中零元的无效存储和计算,从而提升了基于FPGA的SpMV计算性能。实验结果表明,相比于现有的FPGA实现方案,设计的基于行折叠优化的数据流引擎实现了最高1.78倍和平均1.15倍的加速。

眼轮匝肌斜行折叠悬吊法在眼袋整复术中的应用

目的探讨眼轮匝肌斜行折叠悬吊法在眼袋整复术中的治疗效果。方法皮瓣眼袋法在根据需要去除、释放及填充部分眶隔内脂肪后,将眼轮匝肌外缘中上1/3处由内向外形成三角形肌瓣,斜行向上牵拉8字缝合固定在外眦眶缘骨膜上,折叠眼轮匝肌缝合平整,去除多余皮肤。结果本组患者34例,术后随访3∽6个月,均取得了良好的效果,无并发症、外眦平坦,轮廓饱满,颧部亦有部分提升。结论眼轮匝肌斜行折叠悬吊法可最大限度地保留和加固眼轮匝肌的张力,从而获得平整的眶周外观,较少的并发症和更长久的手术效果。