我正在尝试对更大的矩阵(1000x1000到5000x5000双精度)进行乘法运算。我必须使用OpenMP来并行化乘法。并行的for循环由p个线程处理,并且我猜是基于打印出omp_get_thread_num()正确地调度了它们。 我正在4核CPU上运行,并已确认最大线程数为4。如果这有任何区别,则CPU是虚拟的。 问题在于,当我更改线程的nb时,运行时间不会减少。
我已检查libgomp
已安装ldconfig -p | grep -i "gomp"
库。
我尝试将并行循环的位置更改为嵌套循环之一。
我尝试更改调度和块大小。
#include <stdio.h> #include <stdlib.h> #include <omp.h> #include <time.h> double** createMatrix(int N) { double** rndMatrix; srand48((long int)time(NULL)); rndMatrix = malloc(sizeof(double*)*N); int n,m; for(n=0; n<N; n++){ rndMatrix[n] = malloc(sizeof(double*)*N); for (m=0;m<N;m++){ rndMatrix[n][m] = drand48(); } } return rndMatrix; } void problem1(double** a, double** b, int N, int p){ int i,k,j; int g; double** c; c = malloc(sizeof(double*)*N); for(g=0; g<N; ++g) c[g] = malloc(sizeof(double*)*N); //Timer start clock_t tStart = clock(); //time_t tStart, tEnd; //tStart =time(NULL); //Parallelised part #pragma omp parallel shared(a,b,c,N) private(i,k,j) num_threads(p) { #pragma omp for schedule(static) nowait for(i=0; i<N; ++i){ for(j=0; j<N; ++j){ double sum = 0; for(k=0; k<N; ++k){ sum += a[i][k] * b[k][j]; } c[i][j]=sum; } } } //Timer end printf("Time taken: %.2fs\n", (double)(clock() - tStart)/CLOCKS_PER_SEC); //tEnd = time(NULL); //printf("Time taken: %ds\n", tEnd - tStart); } int main(void) { int p=0; int N=0; //User input: printf("Enter matrix dimension:\n"); scanf("%d", &N); printf("Please enter nb of threads:\n"); scanf("%d", &p); double **a; double **b; a = createMatrix(N); sleep(2); b = createMatrix(N); problem1(a,b,N,p); return 0; }
答案 0 :(得分:0)
您使用了错误的算法以ijk顺序乘以矩阵。
for(i=0; i<N; ++i){
for(j=0; j<N; ++j){
double sum = 0;
for(k=0; k<N; ++k){
sum += a[i][k] * b[k][j];
}
c[i][j]=sum;
}
}
只要k在内部循环中递增,b
就会逐列遍历并生成高速缓存未命中。结果是每次迭代一次缓存未命中。这将在很大程度上占用计算时间,并且算法受内存限制。
您可以增加核心数量,但不会增加您的内存带宽(高速缓存大小略有增加可能会稍微缩短计算时间)。
仅当您遇到核心受限问题时,Open-MP才有用,而不是用于内存限制的计算。
要查看额外内核的效果,必须使用其他算法。例如,通过将迭代顺序更改为ikj。
for(i=0; i<N; ++i){
for(k=0; k<N; ++k){
double r = a[i][k];
for(j=0; j<N; ++j){
c[i][j] += r * b[k][j];
}
}
}
当内部索引(j)递增时,将按行遍历c [i] [j]和b [i] [j]。而不是每个迭代一次未命中,而是每八次迭代只有两个未命中,并且内存带宽将不再是限制因素。您的计算时间将大大减少,并将随着所使用内核的数量而扩展。
耗时(N = 2000,p = 1):4.62s
耗时(N = 2000,p = 2):3.03s
花费时间(N = 2000,p = 4):2.34s
ikj不是唯一的方法。您还可以使用分块矩阵乘法,其中乘法由ijk完成,但适用于适合LI缓存的小型矩阵。
#define BL 40
for (int jj=0;jj<N;jj+=BL)
for (int kk=0;kk<N;kk+=BL)
for (i=0;i<N;i++)
{
for (j=jj;j<min(jj+BL-1,N);j++)
{
double sum=0.0;
for (k=kk;k<min(kk+BL-1,N);k++)
sum += a[i][k]*b[k][j];
c[i][j]=sum;
}
}
}
该算法稍长一些,但是由于避免了高速缓存遗漏,因此也是核心限制,可以通过并行化进行改进。
耗时(N = 2000,p = 1):7.22s
花费时间(N = 2000,p = 2):3.78s
花费时间(N = 2000,p = 4):3.08s
但是,如果在内存受限的问题上使用open-MP,您将一无所获。