《表1 改变n和d时各算法运行时间比较 (单位:s)》
本实验采用模拟数据,设定测试集的大小m为1200,训练集n的大小为210到215,这样可以方便线程的访问,测试集与训练集的维度d相同,k的值设为25.由于k值较小,所以经过评估后算法采用基于k次最小值查找的最近邻选择.选择了两种算法来与GS_KNN算法作对比.第一种算法选用了基于CPU的超快近似最近邻搜索算法库,即ANN-C++[16],另一种选用了BF-CUDA算法.改变n和d的大小,实验结果如表1所示,可以看出GS_KNN算法在相同数据集上的性能上要优于ANN-C++算法和BF-CUDA算法,并且随着训练集大小和维度的增加,GS_KNN算法相较于这两个算法的加速比也越来越高,当n等于215,d等于256时,GS_KNN算法相对于ANN-C++算法的加速比为145,相对于BF-CUDA算法的加速比为2.8.
图表编号 | XD0079867700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 刘端阳、郑江帆、刘志 |
绘制单位 | 浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |