dmlc/dgl

The ALG2 for cusparsespmm under performed when feature size is small

Open

#4.090 geöffnet am 7. Juni 2022

Auf GitHub ansehen
 (2 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (2.928 Forks)batch import
help wanted

Repository-Metriken

Stars
 (12.665 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

🐛 Bug

@yzh119 report the ALG2 seems performed badly for cusparsespmm when the feature size is small.

To Reproduce

Steps to reproduce the behavior:

Expected behavior

Environment

  • DGL Version (e.g., 1.0):
  • Backend Library & Version (e.g., PyTorch 0.4.1, MXNet/Gluon 1.3):
  • OS (e.g., Linux):
  • How you installed DGL (conda, pip, source):
  • Build command you used (if compiling from source):
  • Python version:
  • CUDA/cuDNN version (if applicable):
  • GPU models and configuration (e.g. V100):
  • Any other relevant information:

Additional context

Contributor Guide

Research-Richtung
Das Problem beschreibt eine Leistungsregression im cusparsespmm Algorithmus ALG2 für kleine Merkmalsgrößen. Zur Untersuchung sollte die CUDA Kernel Implementierung im DGL Quellcode überprüft werden, wahrscheinlich in Dateien im Zusammenhang mit Sparse Matrix Operationen. Der Meldende ist @yzh119, und es gibt keine verknüpften PRs oder weitere Diskussionen, daher wäre der erste Schritt, das Problem mit einem einfachen Benchmark zu reproduzieren und ALG2 mit anderen Algorithmen zu vergleichen.
Tech Stack
pythonpytorch
Domain
backendperformance
Issue Type
Fehler
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
PythonCUDAGPU programming
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40