Question

我刚刚开始使用OpenMP并且正在编写一个函数，它将数组划分为numBlocks块并通过检查{{1来计算每个块上的直方图（即每个块一个直方图）每个块的元素（在代码I＆＃39; m提供中，直方图通过整数blockSize到1记录块中元素的可分性。

在第一个numBuckets循环中，我使用以下命令为每个块创建一个线程：

omp for

以另一种方式实现它，我请求每个线程对#pragma omp for schedule(static) for(uint blockNum = 0; blockNum < numBlocks; blockNum++){ for(uint blockSubIdx = 0; blockSubIdx < blockSize; blockSubIdx++){ uint idx = blockNum * blockSize + blockSubIdx; // Compute histogram here by examining array[idx] } }个元素进行操作，我之前断言blockSize：

array.size() == numBlocks * blockSize

如果我增加线程数（使用#pragma omp for schedule(static, blockSize) for(uint idx = 0; idx < array.size(); idx++){ uint blockNum = idx / blockSize; // Compute histogram here by examining array[idx] }）高于某个阈值（我的计算节点上为78），则第二种方法无法正常工作 - 结果直方图值与串行计算值不匹配。

根据https://computing.llnl.gov/tutorials/openMP/，看起来第二种方法中的大小export OMP_NUM_THREADS的块是连续的，所以我不清楚它为什么会失败。但是，似乎多个线程正在写入直方图中的相同索引。我有什么微妙之处吗？

以下是整个源代码的要点：https://gist.github.com/anonymous/5391777。

更新：线程阈值确实显示对blockSize的某些依赖性。它不是我试图理解的阈值的特定值，而是阈值的存在。

Answer 1

在我看来，你正试图融合循环。你可以试试这个。我不知道这是否能回答你的问题。

#pragma omp parallel for schedule(static)
for(uint n = 0; n < (numBlocks*blockSize); n++){
    uint blockNum = n/blockSize;
    uint blockSubIdx = n%blockSize;
    uint idx = blockNum * blockSize + blockSubIdx;
    // Compute histogram here by examining array[idx]
}

另外，为什么要尝试增加线程数？您的CPU一次只能运行一定数量的硬件线程。增加OpenMP的线程数我认为不会有助于提高性能。为什么不将它们保留为默认值？

最后，如果根据idx计算直方图需要不同的时间，您可能需要尝试使用schedule(dynamic)。

两个omp for循环之间的区别

1 个答案: