复杂向量与openMP的点积答案

【问题标题】：dot product of complex vectors with openMP复杂向量与openMP的点积
【发布时间】：2011-06-06 10:02:32
【问题描述】：

我使用的 openMP 版本不支持 reduce() 用于复杂参数。我需要一个快速的点积函数，比如

std::complex< double > dot_prod( std::complex< double > *v1,std::complex< double > *v2,int dim )

{
    std::complex< double > sum=0.;
    int i;
# pragma omp parallel shared(sum)
# pragma omp for
    for (i=0; i<dim;i++ )
    {
#pragma omp critical
        {
            sum+=std::conj<double>(v1[i])*v2[i];
        }
    }
    return sum;
}

显然，这段代码并没有加速问题，而是减慢了它的速度。对于复杂的参数，您是否有不使用 reduce() 的快速解决方案？

【问题讨论】：

请注意，将并行化的 for 循环的内容放在临界区就像（甚至更糟）根本不进行并行化

标签： c++ openmp reduce dot-product

【解决方案1】：

每个线程可以作为第一步计算私有和，作为第二步，它可以组合成最终总和。在这种情况下，只有在最后一步才需要关键部分。

std::complex< double > dot_prod( std::complex< double > *v1,std::complex< double > *v2,int dim )
{
  std::complex< double > sum=0.;
  int i;
  # pragma omp parallel shared(sum)
  {
    std::complex< double > priv_sum = 0.;
    # pragma omp for
    for (i=0; i<dim;i++ )
    {
      priv_sum += std::conj<double>(v1[i])*v2[i];
    }

    #pragma omp critical
    {
      sum += priv_sum;
    }
  }
  return sum;
}

【讨论】：

【解决方案2】：

尝试并行进行乘法运算，然后将它们串行求和：

template <typename T>
std::complex<T> dot_prod(std::complex<T> *a, std::complex<T> *b, size_t dim)
{
    std::vector<std::complex<T> > prod(dim);  // or boost::scoped_array + new[]

    #pragma omp parallel for
    for (size_t i=0; i<dim; i++)
        // I believe you had these reversed
        prod[i] = a[i] * std::conj(b[i]);

    std::complex<T> sum(0);
    for (size_t i=0; i<dim; i++)
        sum += prod[i];

    return sum;
}

当然，这确实需要 O(dim) 工作记忆。

【讨论】：

感谢您的快速答复！这是一个好主意，但不幸的是，它接缝使得对于 dim=10^7 的向量（我测试过），不以这种方式使用 openMP 而是使用非并行版本仍然快 3 倍。我还外包了 prod 生成，但这并没有改变这种情况。
@pawel：有这么大的数据集，你可能想自己编写一个 reduce 算法，正如@Christian Rau 所推荐的那样。或者找一个支持 OpenMP 的更好的编译器 reduce :)
@pawel_winzig：由于大向量的点积往往受到内存带宽而不是触发器的限制，这并不特别令人惊讶。

【解决方案3】：

为什么不让 N 个线程计算 N 个单独的总和。然后最后你只需要对 N 个总和进行求和，这可以连续完成，因为 N 非常小。虽然我不知道如何使用 OpenMP 来实现这一点，但目前（我没有任何经验），我很确定这很容易实现。

【讨论】：