我正在尝试使用Intel TBB parallel_reduce获得由双精度数组成的数组元素的总和。但是,与OpenMP减少实施相比,结果有所不同。
这是OpenMP之一:
double dAverageTemp = 0.0;
#pragma omp parallel for reduction(+:dAverageTemp)
for (int i = 0; i < sCartesianSize; i++)
dAverageTemp += pdTempCurr[i];
该代码返回正确的值“ 317.277493”;但是这个TBB代码:
double dAverageTemp = tbb::parallel_reduce(tbb::blocked_range<double*>(pdTempCurr, pdTempCurr + sCartesianSize - 1),
0.0,
[](const tbb::blocked_range<double*> &r, double value) -> double {
return std::accumulate(r.begin(), r.end(), value);
},
std::plus<double>()
);
坚持认为结果是“ 317.277193”。
我在这里想念什么?
最佳答案
尽管所有关于求和顺序的注释都完全正确,但是这里的简单事实是您的代码中有一个错误。所有std::
,thrust::
和tbb::
算法或构造函数在定义范围时都遵循相同的原理,即表示从第一个元素采用到第一个元素不采用,例如在for ( auto it = v.begin(); it < v.end(); it++)
中
因此,在这里,您用于tbb::blocked_range
的代码应升至pdTempCurr + sCartesianSize
,而不是pdTempCurr + sCartesianSize - 1
。
它应该变成:
double dAverageTemp = tbb::parallel_reduce(tbb::blocked_range<double*>(pdTempCurr, pdTempCurr + sCartesianSize ),
0.0,
[](const tbb::blocked_range<double*> &r, double value) -> double {
return std::accumulate(r.begin(), r.end() value);
},
std::plus<double>()
);
我的(疯狂的)猜测是
pdTempCurr[sCartesianSize-1]
在0.0003
附近,这将解释所经历的数值差异。关于c++ - 双重返回不正确结果时的parallel_reduce,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/33586737/