OpenMPのparalelization私はOpenMPのに新しいですし、私は、OpenMPを使用して、次のコードをparalelizeしようとしていますベクトル

Question

を阻害する：

#pragma omp parallel for 
for(int k=0;k<m;k++) 
{ 
    for(int j=n-1;j>=0;j--) 
    { 
     outX[k+j*m] = inB2[j+n * k]/inA2[j*n + j]; 

     for(int i=0;i<j;i++) 
     { 
      inB2[k*n+i] -= inA2[i+n * j] * outX[k + m*j]; 
     } 
    } 
} 

Paralelize外側のサイクルは非常に単純明快ですが、それを最適化するために、私はparalelizeしたかったです最も内側のサイクル（iを反復するサイクル）も同様です。私はこのようなことをしようとするとき、しかし：

#pragma omp parallel for 
for(int i=0;i<j;i++) 
{ 
    inB2[k*n+i] -= inA2[i+n * j] * outX[k + m*j]; 
} 

をコンパイラは、それが遅くなる可能インナーサイクル（「ための可能なエイリアシングのベクトル化のためのバージョン管理ループ」）、ベクトル化されません。私はそれを使用してコンパイルしましたgcc -ffast-math -std=c++11 -fopenmp -O3 -msse2 -funroll-loops -g -fopt-info-vec prog.cpp

ありがとうございました！

EDIT：配列に__restrictキーワードを使用しています。

EDIT2興味深いのは、プラグマのみを内側のサイクルに置き、外側から削除すると、gccがそれをベクトル化するということです。ですから、私は両方のサイクルをパラレル化しようとすると、問題が発生します。

EDIT3：#pragma omp parallelをsimdに使用すると、コンパイラはループをベクトル化します。しかし、内部ループを並列化しないよりもまだ遅いです。

Answer 1

お返事ありがとうございます。私は#pragma omp parallel for simdを使って内部ループをベクトル化することができましたが、プログラムは並列化しないよりも遅かったです。私は最終的に、はるかに速く、問題を解決するために少し異なるアルゴリズムを発見した。 あなたの助けをいただきありがとうございます！

Answer 2

私の推測では、内部ループを並列化した後で、コンパイラがinA2、inB2およびoutXのトラックを失ったと思います。デフォルトでは、ポインタによって指し示されたメモリの領域が互いに重複していると想定しています。 C言語では、C99標準はrestrictキーワードを導入しました。これは、ポインタが他のポインタによって指し示されていないメモリブロックを指し示していることをコンパイラに知らせます。 C++にはこのようなキーワードはありませんが、幸いにもg++には適切な拡張子があります。ループによって触れられたポインタの宣言に__restrictを追加しようとします。例えば、

double* __restrict outX; 

Answer 3

で

double* outX; 

を交換するあなたが最初vecotorzed内側のループを作ってみましたがありますか？その後、

#pragma omp parallel for 
for(int k=0;k<m;k++) 
{ 
    for(int j=n-1;j>=0;j--) 
    { 
     outX[k+j*m] = inB2[j+n * k]/inA2[j*n + j]; 
Q1 = k*n 
Q2 = n*j 
Q3 = m*j + k 
#pragma omp declare simd private(i,j,k,m,Q1,Q2,Q3) linear(i) uniform(outX,inA2,inB2) shared(inB2,inA2,outX) 
     for(int i=0;i<j;i++) 
     { 
      inB2[Q1+i] -= inA2[Q2+i] * outX[Q3]; 
     } 
    } 
} 

それは常に正しいなどの共有、国民との#pragmaを取得私にいくつかの時間がかかる（キャッシュミスに応じて、パフォーマンスが低下する可能性がある）平行部を追加...そして私はテストしていませんこの。