Execution time of high-precision BLAS Level 1 operations on Intel Core i5-4590 and NVIDIA Turing RTX 2060

This dataset contains the execution time of four BLAS Level 1 operations - ASUM, DOT, SCAL and AXPY - implemented using extended- and multiple-precision software for central processing units (CPUs) and CUDA compatible graphics processing units (GPUs). The experiments were conducted on an Intel Core i5-4590 processor and an NVIDIA Turing RTX 2060 graphics card. Each raw file provided contains the results of three test runs. For each test run, the BLAS function was repeated ten times, and the total execution time of ten iterations was measured. The complete source code for the tests can be found at https://github.com/kisupov/mpres-blas. Main parameters of the experiments: • Operation size: 1000000; • Number of repeats: 10; • Input data sets were composed of random floating-point numbers in the range from −1 to 1; • Measurements are in milliseconds. Experimental environment: • Intel Core i5-4590 (3.30 GHz, 4 Cores/4 Threads); • 16 GB DDR3 system memory; • NVIDIA Turing RTX 2060 GPU (1920 CUDA Cores, Compute Capability 7.5, 6 GB GDDR6 memory); • Ubuntu 19.10 (development branch); • GCC compiler version 7.4.0; • CUDA Toolkit 10.1.105; • nvcc flags: -O3 -DNDEBUG -use_fast_math -std=c++14 -Xcompiler=-O3,-fopenmp,-ffast-math. The following software are considered that provide computations with extended or multiple precision: • For CPU: -- MPFR (https://www.mpfr.org); -- ARPREC (https://www.davidhbailey.com/dhbsoftware); -- MPDECIMAL (https://www.bytereef.org/mpdecimal); -- MPACK (http://mplapack.sourceforge.net); -- XBLAS (https://www.netlib.org/xblas). • For GPU: -- GARPREC (https://code.google.com/archive/p/gpuprec/downloads); -- CAMPARY (http://homepages.laas.fr/mmjoldes/campary); -- CUMP (https://github.com/skystar0227/CUMP); -- MPRES-BLAS (https://github.com/kisupov/mpres-blas).本数据集包含四类BLAS一级运算（BLAS Level 1 operations）的执行时长，涉及ASUM、DOT、SCAL与AXPY四种BLAS函数。这些运算采用扩展精度与多精度软件实现，适配中央处理器（CPU）及兼容CUDA的图形处理器（GPU）。 本次实验的硬件平台为Intel Core i5-4590处理器与NVIDIA Turing RTX 2060显卡。 每个提供的原始文件均包含三次测试运行的结果。单次测试运行中，目标BLAS函数被重复执行十次，统计十次迭代的总执行时长。 测试的完整源代码可于https://github.com/kisupov/mpres-blas获取。 实验核心参数： • 运算规模：1000000； • 重复次数：10； • 输入数据集由取值范围为-1至1的随机浮点数构成； • 测量单位为毫秒。 实验环境： • Intel Core i5-4590（3.30 GHz，4核心/4线程）； • 16 GB DDR3 系统内存； • NVIDIA Turing RTX 2060 GPU（1920个CUDA核心，计算能力7.5，6 GB GDDR6显存）； • Ubuntu 19.10（开发分支版本）； • GCC编译器7.4.0版本； • CUDA Toolkit 10.1.105； • nvcc编译标志：-O3 -DNDEBUG -use_fast_math -std=c++14 -Xcompiler=-O3,-fopenmp,-ffast-math。 本次涉及的扩展或多精度计算软件如下： • 适用于CPU： -- MPFR（https://www.mpfr.org）； -- ARPREC（https://www.davidhbailey.com/dhbsoftware）； -- MPDECIMAL（https://www.bytereef.org/mpdecimal）； -- MPACK（http://mplapack.sourceforge.net）； -- XBLAS（https://www.netlib.org/xblas）。 • 适用于GPU： -- GARPREC（https://code.google.com/archive/p/gpuprec/downloads）； -- CAMPARY（http://homepages.laas.fr/mmjoldes/campary）； -- CUMP（https://github.com/skystar0227/CUMP）； -- MPRES-BLAS（https://github.com/kisupov/mpres-blas）。