我正在尝试使用英特尔TBB parallel_reduce来获取由双精度组成的数组元素之和。但是,与OpenMP减少实现相比,结果是不同的。
这是OpenMP的一个:
double dAverageTemp = 0.0;
#pragma omp parallel for reduction(+:dAverageTemp)
for (int i = 0; i < sCartesianSize; i++)
dAverageTemp += pdTempCurr[i];
此代码返回正确的值“317.277 493 ”;但是这个TBB代码:
double dAverageTemp = tbb::parallel_reduce(tbb::blocked_range<double*>(pdTempCurr, pdTempCurr + sCartesianSize - 1),
0.0,
[](const tbb::blocked_range<double*> &r, double value) -> double {
return std::accumulate(r.begin(), r.end(), value);
},
std::plus<double>()
);
坚持认为结果为“317.277 193 ”。
我在这里缺少什么?
答案 0 :(得分:5)
虽然关于汇总顺序的所有评论都是完全正确的,但这里的简单事实是你的代码中有一个错误。所有freshest_reply
,std::
和thrust::
算法或构造函数在定义范围时都遵循相同的原则,即从第一个元素指示第一个元素不采取,如在tbb::
因此,在这里,for ( auto it = v.begin(); it < v.end(); it++)
的代码最多应为tbb::blocked_range
,而不是pdTempCurr + sCartesianSize
。
应该成为:
pdTempCurr + sCartesianSize - 1
我的(狂野)猜测是double dAverageTemp = tbb::parallel_reduce(tbb::blocked_range<double*>(pdTempCurr, pdTempCurr + sCartesianSize ),
0.0,
[](const tbb::blocked_range<double*> &r, double value) -> double {
return std::accumulate(r.begin(), r.end() value);
},
std::plus<double>()
);
在pdTempCurr[sCartesianSize-1]
左右,这将解释所经历的数值差异。