c++ - tutorial - openmp download

OpenMp C++ algoritmos para min, max, mediana, promedio

Question

Estaba buscando en Google una página que ofreciera algunos algoritmos simples de OpenMp. Probablemente hay un ejemplo para calcular el promedio mínimo, máximo, medio de una gran matriz de datos, pero no soy capaz de encontrarlo.

Al menos, normalmente trataría de dividir la matriz en un trozo para cada núcleo y luego hacer un cálculo de límites para obtener el resultado de la matriz completa.

Simplemente no quería reinventar la rueda.

Observación adicional: Sé que hay miles de ejemplos que funcionan con una reducción simple. Por ejemplo, calculando PI.

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;

pero cuando este tipo de algoritmos no son utilizables, casi no quedan ejemplos para reducir los algoritmos.

Answer 1

Estos son problemas típicos de reducción.

Además de la página señalada por Suvesh , puede consultar la documentación de la cláusula de reducción .

Answer 2

OpenMP (al menos 2.0) admite la reducción para algunas operaciones simples, pero no para max y min.

En el siguiente ejemplo, la cláusula de reduction se usa para hacer una suma y una sección critical se usa para actualizar una variable compartida utilizando una subproceso local sin conflictos.

#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;
}

EDITAR: una implementación más limpia:

#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;
}

Answer 3

OpenMP no soporta estas operaciones de reducción. Considere el algoritmo de reducción paralela de Intel Threading Building Blocks, donde puede implementar un algoritmo arbitrario.

Aquí un ejemplo. Utiliza suma de resultados parciales. Puede implementar cualquier función que desee.

#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);
}

Por favor revise este enlace para algoritmos de reducción adicionales. http://cache-www.intel.com/cd/00/00/30/11/301132_301132.pdf#page=19 Consulte el párrafo 3.3.1. Hay un ejemplo sobre cómo encontrar el valor mínimo en una matriz.

Answer 4

en OpenMP 3.1 en adelante, se puede implementar para la cláusula de reducción mínima, máxima, puede ver un ejemplo detallado que cubre esto en este enlace .