Question

我正在尝试使用OpenMP优化有关图像处理的代码。我仍在学习它，我来到经典的并行for循环，这比我的单线程实现要慢。

我尝试并行化的for循环只有50次迭代，我看到它解释了为什么OpenMP在这种情况下使用由于开销操作而无用。

但是有可能评估这些成本吗？共享/私有/ firstprivate（...）子句之间的成本差异是什么？

这是我要并行化的for循环：

#pragma omp parallel for \
      shared(img_in, img_height, img_width, w, update_gauss, MoGInitparameters, nb_motion_bloc) \
      firstprivate(img_fg, gaussStruct) \
      private(ContrastHisto, j, x, y) \
      schedule(dynamic, 1) \
      num_threads(max_threads) 
  for(i = 0; i<h; i++){ // h=50
    for(j = 0; j<w; j++){
      ComputeContrastHistogram_generic1D_rect(img_in,  H_DESC_STEP*i, W_DESC_STEP*j, ContrastHisto, H_DESC_SIZE, W_DESC_SIZE, 2, img_height, img_width);
      x = i;
      y = w - 1 - j;
      img_fg->data[y][x] = 1-MatchMoG_GaussianInt(ContrastHisto, gaussStruct->gauss[i*w+j], update_gauss, MoGInitparameters);;
      #pragma omp critical
      {
        nb_motion_bloc += img_fg->data[y][x];
        nb_motion_bloc += img_fg->data[y][x];
      }
    }
  }

也许我犯了一些错误，但如果是这样，请告诉我原因!!

Answer 1

有几点不能解决您的具体问题。

尽量避免使用#pragma omp critical。在这种情况下，您可以通过向reduction(+:nb_motion_bloc )行添加omp parallel for子句并使用nb_motion_bloc += 2*img_fg->data[y][x];来完全删除它。

根据每次迭代需要做多少工作，短循环会产生（更多）更多的开销，而不是它们的价值。

现在回答问题。如果您没有更改任何变量，请不要将它们分类为shared / private / firstprivate。如果它们应该被每个线程使用并丢弃，你可以使用像

这样的结构

#pragma omp parallel
{
    int x, y;
    #pragma omp for
    for(i = 0; i<h; i++)
    {
        ...
    }    
}

如果工作负载达到平衡，请考虑使用schedule(static)。

关于shared / private / firstprivate之间的差异，请参阅this和this个问题。来自wikipedia：

shared：并行区域内的数据是共享的，这意味着所有线程同时可见并可访问。默认情况下，工作共享区域中的所有变量都是共享的，但循环迭代计数器除外。

private：并行区域内的数据对每个线程都是私有的，这意味着每个线程都有一个本地副本并将其用作临时变量。未初始化私有变量，并且不维护该值以在并行区域之外使用。默认情况下，OpenMP循环结构中的循环迭代计数器是私有的。

default：允许程序员声明并行区域中的默认数据范围将是共享的，或者对于C / C ++是无共享的，或者对于Fortran是共享的，firstprivate的，private的，或者是none。 none选项强制程序员使用数据共享属性子句声明并行区域中的每个变量。

firstprivate：喜欢私有，除了初始化为原始值。

lastprivate：与private相同，但在构造之后更新原始值。

是否有可能评估OpenMP开销成本？

1 个答案: