犰狳中的并行化

Posted 2023-02-16

【中文标题】犰狳中的并行化

【英文标题】：Parallelisation in Armadillo

【发布时间】：2014-03-13 19:35:50

【问题描述】：

Armadillo C++ linear algebra library documentation 说明了使用 C++ 开发库的原因之一是 "ease of parallelisation via OpenMP present in modern C++ compilers"，但犰狳代码不使用 OpenMP。我怎样才能获得与犰狳并行化的好处？这是通过使用high-speed LAPACK and BLAS replacements 之一实现的吗？我的平台是 Linux，英特尔处理器，但我怀疑这个问题有一个通用的答案。

【参考方案1】：

好吧，看来并行化确实是通过使用高速 LAPACK 和 BLAS 替换实现的。在 Ubuntu 12.04 上，我使用包管理器安装了 OpenBLAS，并从源代码构建了 Armadillo 库。 examples 文件夹中的示例已构建并运行，我可以使用 OPENBLAS_NUM_THREADS 环境变量控制内核数量。

我创建了一个小项目openblas-benchmark，它在计算各种大小矩阵的矩阵积 C=AxB 时测量 Armadillo 的性能提升，但到目前为止我只能在 2 核机器上测试它。

性能图显示，对于大于 512x512 的矩阵，执行时间减少了近 50%。请注意，两个轴都是对数的； y 轴上的每条网格线表示执行时间加倍。

【讨论】：

我的错；我没有看到 X 轴上的对数刻度。 2x就是2x，好吧。如果我是你，我会再次检查它作为正确答案：=

我做到了，谢谢 :-) 性能图通常是对数标度的，因为多项式复杂性问题在图中显示为直线，并且可以从曲线的导数中读取指数。