Hi again,<div><br></div><div>I was reading through the TAO manual and the impression I am getting is that the KSP solver computes the gradient/projection, not necessarily the solution itself. Meaning it matters not how accurate this projection is, so long as the actual objective tolerance is met.</div><div><br></div><div>Is this a correct assessment of why one can get away with a less stringent KSP tolerance and still attain an accurate solution?</div><div><br></div><div>Thanks,</div><div>Justin<br><br>On Tuesday, March 8, 2016, Justin Chang <<a href="javascript:_e(%7B%7D,'cvml','jychang48@gmail.com');" target="_blank">jychang48@gmail.com</a>> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hi all,<div><br></div><div>So I am solving a convex optimization problem of the following form:</div><div><br></div><div>min 1/2 x^T*H*x - x^T*f</div><div>s.t. 0 < x < 1</div><div><br></div><div>Using the TAOTRON solver, I also have CG/ILU for KSP/PC. The following TAO solver tolerances are used for my specific problem:</div><div><br></div><div>-tao_gatol 1e-12</div><div>-tao_grtol 1e-7</div><div><br></div><div>I noticed that the KSP tolerance truly defines the performance of this solver. Attached are three run cases with -ksp_rtol 1e-7, 1e-3, and 1e-1 with "-ksp_converged_reason -ksp_monitor_true_residual -tao_view -tao_converged_reason -log_view". It seems that the lower the KSP tolerance, the faster the time-to-solution where the number of KSP/TAO solve iterations remains roughly the same.</div><div><br></div><div>So my question is, is this "normal"? That is, if using TRON, one may relax the KSP tolerances because the convergence of the solver is primarily due to the objective functional from TRON and not necessarily the KSP solve itself? Is there a general rule of thumb for this, because it would seem to me that for any TRON solve I do, i could just set a really low KSP rtol and still get roughly the same performance.</div><div><br></div><div>Thanks,</div><div>Justin</div><div><br></div></div>
</blockquote></div>