【文件属性】：
文件名称：ParallelKNN:使用 KD Trees Divide and Conquer 并行实现 KNN 图
文件大小：8.1MB
文件格式：ZIP
更新时间：2021-07-04 09:14:45
C++
并行KNN
使用 KD 树/球树并行实现 KNN 图
该存储库是可扩展机器学习的最终项目。 提供了 4 种解决并行 KNN 问题的方法。
KDTrees with OpenMP：使用 OpenMP 并行化使用 KDTrees 的 KNN 构建
KDTrees with Galois : 使用 Galois 来构造和并行化 KNN 构造，使用 KDTrees
Ball Trees with OpenMP：使用 OpenMP 并行化使用 Ball Trees 的 KNN 构造
KDTrees with Galois : 使用 Galois 来构造和并行化 KNN 构造，使用 KDTrees
所有实验都在 Stampede（TACC 的一部分）上运行。 基线是 KNN 图的蛮力构造。
有关每种方法的详细信息，请参阅报告。 报告和数据集可以在找到
【文件预览】：
ParallelKNN-master
----LGPL(26KB)
----src-galois-balltree()
--------Galois_BallTree.cpp(16KB)
--------CMakeLists.txt(117B)
----data()
--------mnist-test.glue(1.9MB)
--------frey.dat(8.4MB)
--------mnist.dat(7.48MB)
--------frey.brute(576KB)
--------mnist-test.overlap(1.9MB)
--------frey.glue(576KB)
--------mnist-test.dat(59.81MB)
--------mnist-test.brute(1.9MB)
--------frey.overlap(576KB)
----src-balltree()
--------Makefile(226B)
--------balltree.cpp(13KB)
----src_kd_galois()
--------Galois_KD_tree.cpp(16KB)
--------.DS_Store(6KB)
----src-kdtree()
--------kdtree.h(783B)
--------Makefile(242B)
--------test.cpp(3KB)
--------kdtree.o(136KB)
--------kdtree.c(8KB)
--------libkdtree.a(137KB)
----src_sequential()
--------Makefile(441B)
--------Point.h(4KB)
--------Node.h(4KB)
--------Test_KD_tree.cpp(25KB)
--------Sequential_KD_tree.cpp(3KB)
--------KDTree.h(12KB)
--------BoundedPQueue.h(7KB)
----scripts()
--------knn_accuracy.py(2KB)
--------measure_sklearn_stampede.py(870B)
--------run_sklearn.py(1KB)
--------run_sklearn.pyc(935B)
----README.md(886B)
----src-chen()
--------knn(42KB)
--------dynamic_array.cpp(3KB)
--------linear_algebra.cpp(8KB)
--------Makefile(756B)
--------aux_func.h(1KB)
--------dynamic_array.h(761B)
--------linear_algebra.o(14KB)
--------aux_func.cpp(3KB)
--------aux_func.o(12KB)
--------knn_algo.h(2KB)
--------knn_algo.o(18KB)
--------knn_algo.cpp(14KB)
--------linear_algebra.h(777B)
--------dynamic_array.o(5KB)
--------main.cpp(4KB)
--------main.o(2KB)