使用 openMP 并行化矩阵向量乘法的最佳方法

Question

我有以下代码，我使用 openMP 对其进行了并行化：

#pragma omp parallel shared(matrix, result, vector) private(i, j)
  {
#pragma omp for schedule(static)
    for (i = 0; i < n; i++)
    {
      for (j = 0; j <= i && j < n; k++)
      {

        result[i] += matrix[i * n + j] * vector[j];
      }
    }
  }

我已将上述 pragma 指令添加到 for 循环中，它计算矩阵和列向量的乘积。 它确实加快了速度。 但是，有没有更有效的方法来
使用 OpenMP 加快速度？ 我尝试了不同类型的计划静态、动态、运行时、引导式、自动。 对于 30000 x 30000 大的矩阵，静态和自动似乎给出了最好的结果。如果 j>i，矩阵具有矩阵 [i][j]=0 的属性

Answer 1

1. 如果使用局部临时变量对j循环的结果求和，可能有助于编译器优化代码。 您的编译器也可能会这样做，但如果不这样做，它会快得多。

2. 始终在所需的最小范围内使用变量，这也有助于编译器进行优化。

3. 确保您的编译器可以有效地矢量化您的代码：使用适当的编译器标志，如果您使用指针，请通过使用restrict关键字或添加#pragma ivdep （英特尔编译器）、 #pragma gcc ivdep告诉编译器没有循环携带依赖(GCC)、 #pargma loop(ivdep) (MSVC)、 #pragma clang loop vectorize(assume_safety) (clang) 在内循环之前。

所以，你的代码应该是这样的：

#pragma omp parallel for shared(matrix, result, vector) schedule(static)
    for (size_t i = 0; i < n; i++)
    {
      double sum=0;
      #pragma GCC ivdep
      for (size_t j = 0; j <= i; j++) //as suggested by @tstanisl
      {
        sum += matrix[i * n + j] * vector[j];
      }
      result[i] += sum;
    }
  }