いくつかの簡単なOpenMpアルゴリズムを提供するページをGoogleで検索していました。おそらく、巨大なデータ配列から最小、最大、中央値、平均を計算する例がありますが、私はそれを見つけることができません。
少なくとも私は通常、配列をコアごとに1つのチャンクに分割し、後で境界計算を実行して、完全な配列の結果を取得しようとします。
車輪の再発明をしたくなかっただけです。
追記:単純な削減で機能する例が何千もあることを私は知っています。例えばPIの計算。
const int num_steps = 100000;
double x, sum = 0.0;
const double step = 1.0/double(num_steps);
#pragma omp parallel for reduction(+:sum) private(x)
for (int i=1;i<= num_steps; i++){
x = double(i-0.5)*step;
sum += 4.0/(1.0+x*x);
}
const double pi = step * sum;
しかし、これらの種類のアルゴリズムが使用できない場合、アルゴリズムを削減するための例はほとんど残っていません。
OpenMP(少なくとも2.0)は、いくつかの単純な操作の削減をサポートしていますが、最大および最小の削減はサポートしていません。
次の例では、reduction
句を使用して合計を作成し、critical
セクションを使用して、競合のないスレッドローカル変数を使用して共有変数を更新します。
#include <iostream>
#include <cmath>
int main()
{
double sum = 0;
uint64_t ii;
uint64_t maxii = 0;
uint64_t maxii_shared = 0;
#pragma omp parallel shared(maxii_shared) private(ii) firstprivate(maxii)
{
#pragma omp for reduction(+:sum) nowait
for(ii=0; ii<10000000000; ++ii)
{
sum += std::pow((double)ii, 2.0);
if(ii > maxii) maxii = ii;
}
#pragma omp critical
{
if(maxii > maxii_shared) maxii_shared = maxii;
}
}
std::cerr << "Sum: " << sum << " (" << maxii_shared << ")" << std::endl;
}
編集:よりクリーンな実装:
#include <cmath>
#include <limits>
#include <vector>
#include <iostream>
#include <algorithm>
#include <tr1/random>
// sum the elements of v
double sum(const std::vector<double>& v)
{
double sum = 0.0;
#pragma omp parallel for reduction(+:sum)
for(size_t ii=0; ii< v.size(); ++ii)
{
sum += v[ii];
}
return sum;
}
// extract the minimum of v
double min(const std::vector<double>& v)
{
double shared_min;
#pragma omp parallel
{
double min = std::numeric_limits<double>::max();
#pragma omp for nowait
for(size_t ii=0; ii<v.size(); ++ii)
{
min = std::min(v[ii], min);
}
#pragma omp critical
{
shared_min = std::min(shared_min, min);
}
}
return shared_min;
}
// generate a random vector and use sum and min functions.
int main()
{
using namespace std;
using namespace std::tr1;
std::tr1::mt19937 engine(time(0));
std::tr1::uniform_real<> unigen(-1000.0,1000.0);
std::tr1::variate_generator<std::tr1::mt19937,
std::tr1::uniform_real<> >gen(engine, unigen);
std::vector<double> random(1000000);
std::generate(random.begin(), random.end(), gen);
cout << "Sum: " << sum(random) << " Mean:" << sum(random)/random.size()
<< " Min:" << min(random) << endl;
}
openMP 3.1以降では、最小、最大、削減句を実装できます。これをカバーする詳細な例を このリンク で見ることができます。
OpenMPは、これらの削減操作をサポートしていません。任意のアルゴリズムを実装できるIntelThreading BuildingBlocksのparallel_reduceアルゴリズムを検討してください。
ここに例があります。部分的な結果の合計を使用します。必要な機能を実装できます。
#include <stdio.h>
#include <tbb/blocked_range.h>
#include <tbb/parallel_reduce.h>
#include <tbb/task_scheduler_init.h>
///////////////////////////////////////////////////////////////////////////////
class PiCalculation
{
private:
long num_steps;
double step;
public:
// Pi partial value
double pi;
// Calculate partial value
void operator () (const tbb::blocked_range<long> &r)
{
double sum = 0.0;
long end = r.end();
for (int i = r.begin(); i != end; i++)
{
double x = (i + 0.5) * step;
sum += 4.0/(1.0 + x * x);
}
pi += sum * step;
}
// Combine results. Here you can implement any functions
void join(PiCalculation &p)
{
pi += p.pi;
}
PiCalculation(PiCalculation &p, tbb::split)
{
pi = 0.0;
num_steps = p.num_steps;
step = p.step;
}
PiCalculation(long steps)
{
pi = 0.0;
num_steps = steps;
step = 1./(double)num_steps;
}
};
///////////////////////////////////////////////////////////////////////////////
int main()
{
tbb::task_scheduler_init init;
const long steps = 100000000;
PiCalculation pi(steps);
tbb::parallel_reduce(tbb::blocked_range<long>(0, steps, 1000000), pi);
printf ("Pi is %3.20f\n", pi.pi);
}
追加の削減アルゴリズムについては、このリンクを確認してください。 http://cache-www.intel.com/cd/00/00/30/11/301132_301132.pdf#page=19 3.3.1項をご覧ください。配列内の最小値を見つける例があります。
これは典型的な削減の問題です。
Suveshが指すページ の他に、 削減句 のドキュメントを参照してください。