cppdiodon

COULAUD, Olivier; FRANC, Alain; FRIGERIO, Jean-Marc; LEANDRO, Lucas; PERESSONI, Romain; PRUVOST, Florent

Metadatos

Licencia de uso del documento

COULAUD, Olivier
COmposabilité Numerique and parallèle pour le CAlcul haute performanCE [CONCACE]

FRANC, Alain
Pleiade, from patterns to models in computational biodiversity and biotechnology [PLEIADE]
Biodiversité, Gènes & Communautés [BioGeCo]

FRIGERIO, Jean-Marc
Pleiade, from patterns to models in computational biodiversity and biotechnology [PLEIADE]
Biodiversité, Gènes & Communautés [BioGeCo]

Idioma

Resumen

CPPDiodon fourni des exécutables et fonctions C++ pour effectuer des calculs en parallèle pour l'analyse de système multivarié tels que : décomposition en valeurs singulières (SVD), analyse par composante principale (PCA) et variantes (avec différents pre-traitements), positionnement multidimensionnel (MDS), analyse de correspondances (CoA).\r\nToutes ces méthodes sont basées sur la décomposition en valeurs singulières d'une matrice (tableau 2D). Pour les petites tailles de matrices la SVD peut être directement calculée en utilisant une bibliothèque de résolution séquentielle ou multi-threads LAPACK telles que OpenBlas ou Intel MKL. Pour les grandes tailles de matrice la SVD devient trop coûteuse en temps de calcul et nous utilisons une méthode SVD aléatoire (rSVD) à la place de la SVD exacte dont l'implémentation est fournie par la bibliothèque C++ FMR. FMR peut effectuer des calculs rSVD sur des supercalculateurs en mémoire partagée et distribuée en utilisant des solutionneurs d'algèbre linaire dense tels que OpenBlas ou Intel MKL sur des noeuds à mémoire partagée et Chameleon pour des systèmes à plusieurs noeuds avec MPI en mémoire distribuée.< Leer menos

Resumen en inglés

Diodon provides executables and functions to compute multivariate data Analysis such as: Singular Value Decomposition (SVD), Principal Component Analysis (PCA) and variants (with different pre-treatments), Multidimensional Scaling (MDS), Correspondence Analysis (CoA), Canonical Correlation Analysis (CCA, future work), Multiple Correspondence Analysis (MCoA, future work).\r\nAll these methods rely on a Singular Value Decomposition (SVD) of a 2D matrix. For small size matrices the SVD can be directly computed using a sequential or multi-threaded LAPACK solver such as OpenBlas or Intel MKL. For large matrices the SVD becomes time consuming and we use a Randomized Singular Value Decomposition method (rSVD) instead of the exact SVD which implementation is given by the FMR library. FMR can perform computations of the rSVD on parallel shared and distributed memory machines using adequate parallel dense linear algebra routines internally such as OpenBlas or Intel MKL on a shared memory node and Chameleon for distributed memory nodes (MPI).< Leer menos

Palabras clave en inglés

Multivariate Analysis

Multidimensional scaling MDS

Principal component analyses PCA

Hpc - high-performance computing

Mpi

Starpu

Randomized Linear Algebra

Orígen

Importado de Hal

Centros de investigación

BioGeCo (Biodiversité Gènes & Communautés) - UMR 1202