Question

我试图在Threads.@threads for循环中做一些线性代数，它会返回一些奇怪的结果。似乎矩阵在循环中没有正确地相乘。在线程for循环中安全吗？

以下是生成TxR矩阵NxN表的最小工作示例。对于R次迭代中的每一次，第（t + 1）个矩阵是具有另一个随机矩阵的（t）-th的乘积。乘法由不同的线程执行，然后由一个线程检查正确性。该函数应返回零的矩阵。对N<=3执行此操作时，N>=4的结果中有一些。

function testMM(T, R, N)
    m1 = zeros(Int64, (T,R,N,N))
    m2 = rand(0:2, (T-1,R,N,N))
    m1[1,:,:,:] = rand(0:1,(R,N,N))
    Threads.@threads for i=1:R
        for t=2:T
            m1[t,i,:,:] = m2[t-1,i,:,:] * m1[t-1,i,:,:]
        end
    end

    odds = zeros(Int64,(T-1,R))
    for i=1:R
        for t=2:T
            if m1[t,i,:,:] != m2[t-1,i,:,:] * m1[t-1,i,:,:]
                odds[t-1,i] = 1
            end
        end
    end
    return odds
end

Threads.nthreads()对我来说是4。在Windows上测试稳定的64位Julia 0.5.2,0.5.3,0.6.0。

编辑：这个例子更简单：矩阵的几个副本独立地平方几次。对于所有副本，结果应该相同，但函数通常对N>=4返回false。看起来好像不同线程的数据在BLAS内某处混合。

function testMM2(T, R, N)
m0 = rand(0:2, (N,N))
m = [deepcopy(m0) for i=1:R]
Threads.@threads for i=1:R
    for t=1:T
        m[i] = m[i]^2
    end
end
return all(x->(x==m[1]),m)
end

Julia中矩阵乘法与线程的奇异行为

0 个答案: