在小循环和非常大的嵌套循环上有效地使用openmp

Question

基本上，我有一个程序，需要查看几张单独的图片，我是这样做的：

#pragma omp paralell num_threads(4)
#pragma omp paralell for
for(picture = 0; picture < 4; picture++){
    for(int row = 0; row < 1000; row++){
        for(int col = 0; col < 1000; col++){

            //do stuff with pixel[picture][row][col]

        }
    }
}

我只想把工作分成4个核心(每个图片一个核心)，这样每个核心/线程都在处理一个特定的图片。这样，核心0就可以处理图片0，核心1在图片1上，等等。它正在测试的机器也只有4个核心。在此场景中使用openmp声明的最佳方法是什么。我发布的那篇文章是我认为在这个场景中最好的表现。

记住，这是伪代码。程序的目标并不重要，高效地并行化这些循环就是目标。

Answer 1

只是添加了一个简单的

#pragma omp parallel for

是解决问题的好起点。不要费心静态地写它应该使用多少线程。运行时通常会做正确的事情。

然而，一般不可能说什么是最有效的。从有限的一般例子来看，有许多性能因素是无法判断的。您的代码可能是内存绑定的，并且只从桌面CPU上的并行化中获益很小。您可能存在负载不平衡，这意味着您需要将工作分割成更多的块并动态地处理它们。这可以通过并行中间循环或使用嵌套并行来实现。中间循环并行化是否运行良好取决于内环所做的工作量(以及有用工作/开销的比率)。内存布局也严重影响并行化的效率。或者您甚至在内部循环中有数据依赖关系，以防止并行化.

唯一能给出的一般性建议是总是度量，永远不要猜测。学习使用强大的并行性能分析工具，并将其扩展到您的工作流中。