使用 openMP 並行化矩陣向量乘法的最佳方法

Question

我有以下代碼，我使用 openMP 對其進行了並行化：

#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];
      }
    }
  }

我已將上述 pragma 指令添加到 for 循環中，它計算矩陣和列向量的乘積。 它確實加快了速度。 但是，有沒有更有效的方法來
使用 OpenMP 加快速度？ 我嘗試了不同類型的計划靜態、動態、運行時、引導式、自動。 對於 30000 x 30000 大的矩陣，靜態和自動似乎給出了最好的結果。如果 j>i，矩陣具有矩陣 [i][j]=0 的屬性

Answer 1

1. 如果使用局部臨時變量對j循環的結果求和，可能有助於編譯器優化代碼。 您的編譯器也可能會這樣做，但如果不這樣做，它會快得多。

2. 始終在所需的最小范圍內使用變量，這也有助於編譯器進行優化。

3. 確保您的編譯器可以有效地矢量化您的代碼：使用適當的編譯器標志，如果您使用指針，請通過使用restrict關鍵字或添加#pragma ivdep （英特爾編譯器）、 #pragma gcc ivdep告訴編譯器沒有循環攜帶依賴(GCC)、 #pargma loop(ivdep) (MSVC)、 #pragma clang loop vectorize(assume_safety) (clang) 在內循環之前。

所以，你的代碼應該是這樣的：

#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;
    }
  }