本征：OpenMP的拆分數組

Question

我想按列在OpenMP線程上均勻划分Eigen動態大小數組。

                         thread 0 | thread 1 | thread 2
[[0, 1, 2],                [[0],  |   [[1],  |   [[2],  
 [3, 4, 5],    becomes:     [3],  |    [4],  |    [5],
 [6, 7, 8]]                 [6]]  |    [7]]  |    [8]]

我可以使用block方法來做到這一點，但是我不確定Eigen是否會識別每個線程的子數組占用連續內存。

當我閱讀塊類型的文檔時，具有一個InnerPanel模板參數，其內容如下：

如果塊映射到行主矩陣的一組行或列主矩陣的一組列（可選），則InnerPanel為true。 該參數允許在編譯時確定是否可以對塊表達式進行對齊訪問。

Eigen是否知道每個OpenMP線程都可以對子數組進行矢量化處理，因為每個子數組實際上都占用連續內存？

如果沒有，如何讓Eigen知道這一點？

程序：

#include <Eigen/Eigen>
#include <iostream>
int main() {
    // The dimensions of the matrix is not necessary 8 x 8.
    // The dimension is only known at run time.
    Eigen::MatrixXi x(8,8);
    x.fill(0);
    int n_parts = 3;
    #pragma omp parallel for
    for (int i = 0; i < n_parts; ++i) {
        int st = i * x.cols() / n_parts;
        int en = (i + 1) * x.cols() / n_parts;
        x.block(0, st, x.rows(), en - st).fill(i);
    }
    std::cout << x << "\n";
}

結果（ g++ test.cpp -I<path to eigen includes> -fopenmp -lgomp ）：

0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2
0 0 1 1 1 2 2 2

Answer 1

為確保塊表達式確實占用了連續內存，請改用middleCols （或leftCols或rightCols ）：

#include <Eigen/Core>
template<typename XprType, int BlockRows, int BlockCols, bool InnerPanel>
void inspectBlock(const Eigen::Block<XprType, BlockRows, BlockCols, InnerPanel>& block)
{
    std::cout << __PRETTY_FUNCTION__ << '\n';
}

int main() {
    Eigen::MatrixXi x(8,8);
    inspectBlock(x.block(0, 1, x.rows(), 2));
    inspectBlock(x.middleCols(1, 2));
}

結果：

 void inspectBlock(const Eigen::Block<ArgType, BlockRows, BlockCols, InnerPanel>&) [with XprType = Eigen::Matrix<int, -1, -1>; int BlockRows = -1; int BlockCols = -1; bool InnerPanel = false] void inspectBlock(const Eigen::Block<ArgType, BlockRows, BlockCols, InnerPanel>&) [with XprType = Eigen::Matrix<int, -1, -1>; int BlockRows = -1; int BlockCols = -1; bool InnerPanel = true] 

注意： -1是Eigen::Dynamic的值，即在編譯時不固定。

當然，如果矩陣是行專業的，則可以拆分int topRows ， middleRows或bottomRows 。