- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在尝试使用 open mp 加速稀疏矩阵 vector 乘积,代码如下:
void zAx(double * z, double * data, long * colind, long * row_ptr, double * x, int M){
long i, j, ckey;
int chunk = 1000;
//int * counts[8]={0};
#pragma omp parallel num_threads(8)
{
#pragma omp for private(ckey,j,i) schedule(static,chunk)
for (i=0; i<M; i++ ){
z[i]=0;
for (ckey=row_ptr[i]; ckey<row_ptr[i+1]; ckey++) {
j = colind[ckey];
z[i] += data[ckey]*x[j];
}
}
}
}
现在,这段代码运行良好,并产生了正确的结果,但它只使我的速度提高了约 30%。我检查过线程都获得了相同数量的非零元素(它们是),并且矩阵相当大(300,000 x 300,000),所以我希望开销不是唯一的问题.我也尝试过使用不同的 block 大小和线程数运行,我得到了类似的性能。
还有什么我可以尝试从中获得额外速度的东西吗?或者我显然做错了什么?
干杯。
编辑:刚刚注释掉'//int * counts[8]={0}',因为它是计算工作分配的剩余部分。不需要
Edit2(更多细节):
好吧,我计算了一个调用这个 5000 次的循环并得到了平均次数:
矩阵的大小为:303544x303544,并且有:2122980 个非零元素。
使用更小的矩阵 30000x30000 我得到的时间更像
看来大尺寸可能是我的问题。
最佳答案
欢迎来到内存限制问题的奇妙世界。为了减轻您的痛苦,我想告诉您,稀疏矩阵 vector 乘法是许多无法在单个多核芯片上有效并行化甚至矢量化的事情之一,除非所有 数据可以放入最后一级缓存或内存总线真的很宽。
为什么?仅仅是因为计算与内存访问的比率非常低。对于内循环的每次迭代,您获取一次列索引到 j
(8 字节),矩阵元素到 data
(8 字节), vector 元素的值(8 字节)和结果的先前值(因为编译器很少优化对共享变量的访问)(8 字节)。然后执行 2 个非常快的浮点运算 (FLOP) 并执行存储(尽管 +=
运算符被转换为单个指令,但它仍然是一个“获取-修改-写入”指令)。您总共加载了 32 个字节,并对它们执行了 2 次 FLOP。这使得每字节 1/16 FLOPs。
现代支持 SSE 的 CPU 内核可以执行 4 个 double FLOP/周期,这通常会导致每个 CPU 内核大约 8 GFLOPS(假设基本频率为 2 GHz)。使用 AVX,这个数字翻了一番,因此您可以在 2 GHz Intel Sandy/Ivy Bridge 或 AMD 同等处理器上获得高达 16 GFLOPS 的每个内核。为了使数据处理能力达到饱和,给定 1/16 FLOPs/字节,您至少需要 128 GiB/s 的内存带宽。
Xeon X7560 等高端 Nehalem-EX 处理器 运行频率为 2.26 GHz(9.04 GFLOPS/内核)及其共享的 L3 缓存(L1 和 L2 缓存是每个内核的)提供大约 275 GiB/s。在 9,04 GFLOPS/核心下,您需要每个核心 144,64 GiB/s 才能满足 zAx
例程的内部循环。这意味着在理想情况下,该 CPU 的 L3 缓存不能提供超过 2 个完全向量化的乘法内核。
在没有 SSE 向量化的情况下, double 的 FLOPS 速率要低两倍,因此可以预期问题会扩展到 4 个线程。一旦您的问题变得比 L3 高速缓存大,事情就会变得非常糟糕,因为内存总线提供的带宽少了大约十倍。
尝试使用以下版本的内部循环,看看编译器是否足够智能以遵循 OpenMP 的宽松内存 View :
#pragma omp for private(ckey,j) schedule(static,chunk)
for (i=0; i<M; i++){
double zi = 0.0;
for (ckey=row_ptr[i]; ckey<row_ptr[i+1]; ckey++) {
j = colind[ckey];
zi += data[ckey]*x[j];
}
z[i] = zi;
}
不幸的是,您无能为力。稀疏矩阵 vector 乘法与 CPU 插槽的数量成比例,而不是与 CPU 内核的数量成比例。您需要一个带有独立内存 Controller 的多路系统,例如具有多个(后)Nehalem 或 AMD64 处理器的任何系统。
编辑:优化提示。您真的需要 long
来存储列索引和行指针吗?对于 2122980 个非零元素,使用 int
会很好。它将在内循环中为每个元素节省加载 4 个字节,在外循环中为每行节省另外 4 个字节。
关于c - 使用 open mp 的慢速稀疏矩阵 vector 积 (CSR),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13636464/
#include using namespace std; class C{ private: int value; public: C(){ value = 0;
这个问题已经有答案了: What is the difference between char a[] = ?string?; and char *p = ?string?;? (8 个回答) 已关闭
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 7 年前。 此帖子已于 8 个月
除了调试之外,是否有任何针对 c、c++ 或 c# 的测试工具,其工作原理类似于将独立函数复制粘贴到某个文本框,然后在其他文本框中输入参数? 最佳答案 也许您会考虑单元测试。我推荐你谷歌测试和谷歌模拟
我想在第二台显示器中移动一个窗口 (HWND)。问题是我尝试了很多方法,例如将分辨率加倍或输入负值,但它永远无法将窗口放在我的第二台显示器上。 关于如何在 C/C++/c# 中执行此操作的任何线索 最
我正在寻找 C/C++/C## 中不同类型 DES 的现有实现。我的运行平台是Windows XP/Vista/7。 我正在尝试编写一个 C# 程序,它将使用 DES 算法进行加密和解密。我需要一些实
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
有没有办法强制将另一个 窗口置于顶部? 不是应用程序的窗口,而是另一个已经在系统上运行的窗口。 (Windows, C/C++/C#) 最佳答案 SetWindowPos(that_window_ha
假设您可以在 C/C++ 或 Csharp 之间做出选择,并且您打算在 Windows 和 Linux 服务器上运行同一服务器的多个实例,那么构建套接字服务器应用程序的最明智选择是什么? 最佳答案 如
你们能告诉我它们之间的区别吗? 顺便问一下,有什么叫C++库或C库的吗? 最佳答案 C++ 标准库 和 C 标准库 是 C++ 和 C 标准定义的库,提供给 C++ 和 C 程序使用。那是那些词的共同
下面的测试代码,我将输出信息放在注释中。我使用的是 gcc 4.8.5 和 Centos 7.2。 #include #include class C { public:
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我的客户将使用名为 annoucement 的结构/类与客户通信。我想我会用 C++ 编写服务器。会有很多不同的类继承annoucement。我的问题是通过网络将这些类发送给客户端 我想也许我应该使用
我在 C# 中有以下函数: public Matrix ConcatDescriptors(IList> descriptors) { int cols = descriptors[0].Co
我有一个项目要编写一个函数来对某些数据执行某些操作。我可以用 C/C++ 编写代码,但我不想与雇主共享该函数的代码。相反,我只想让他有权在他自己的代码中调用该函数。是否可以?我想到了这两种方法 - 在
我使用的是编写糟糕的第 3 方 (C/C++) Api。我从托管代码(C++/CLI)中使用它。有时会出现“访问冲突错误”。这使整个应用程序崩溃。我知道我无法处理这些错误[如果指针访问非法内存位置等,
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,因为
我有一些 C 代码,将使用 P/Invoke 从 C# 调用。我正在尝试为这个 C 函数定义一个 C# 等效项。 SomeData* DoSomething(); struct SomeData {
这个问题已经有答案了: Why are these constructs using pre and post-increment undefined behavior? (14 个回答) 已关闭 6
我是一名优秀的程序员,十分优秀!