C++ 调用函数并并行循环

我没有openMP方面的任何经验，因此我想了解如何执行以下操作：

for (int i = 1; i <= NumImages; i++) {

//call a function
myfunction(...);

for (int k = 0 ; k < SumNumber k++) {

   for (int l = 0; l < ElNum ; l++) {

       //do 2 summing up calculations inside a while loop

  }//end k loop

}//end i loop

for（int i=1；i
一般来说，最好的方法是平均分配工作，以保持效率（无内核等待）例如，在您的情况下，静态调度可能不是一个好主意，因为40不能平均地除以150，在最后一次迭代中，您将失去25%的计算能力。因此，结果可能是，最好将
parallel
子句放在第二个循环之前。这一切取决于您选择的模式，以及实际工作的分布方式在循环内。例如，如果
myfunction
完成了99%的工作，那么这是个坏主意，如果99%的工作在两个内部循环内，那么这可能是个好主意

不完全是。有3种调度模式。但它们都不能阻止其他线程。有一个任务池（迭代）这是分布在线程之间的。调度模式描述了将任务分配给线程的策略。当一个线程完成时，它只会得到下一个任务，不需要等待。这里更详细地描述了这些策略：（我不确定从wiki复制粘贴balant是否是一个好主意，因此我将留下一个链接。这是一个很好的材料。）

可能这里没有写的是，模式开销是按照它们引入的开销的数量来表示的。
静态的
是最快的，然后是
动态的
，然后是
引导的
。我的建议是，什么时候使用哪一种模式，这并不是最好的，但在我看来是很好的经验法则：

static
如果您知道，将在线程之间平均分配，并花费相同的时间

dynamic
如果您知道任务分配不均匀或执行时间不均匀

guided
用于相当长的任务，您几乎什么都说不出来

如果您的任务很小，您甚至可以看到静态调度的开销（例如），但我认为在您的情况下，
dynamic
应该是最好的选择。
您的代码片段不符合标准，因为您有两个嵌套的工作共享区域：您好，所以您的意思是，如果大部分工作都在函数调用中，那么将pragma omp留给我拥有的循环。但是如果大部分工作都在最后一个循环中，那么将pragma放入在第二个循环之前使用omp，对吗？而且也只因为我没有均匀分布的数据而使用dynamic？嗯，是的。一般来说，总是尝试找到一个将工作负载均匀分布的计划，按照这个顺序
静态
->
动态
->
引导
。在一般情况下，我没有什么可以说的了。我会测试一些方法我不知道你的程序，但我敢打赌，当前代码+动态调度将是最好的选择。这实际上取决于一个案例。另外，在我的最后一个循环（l循环）中如果我有sum+=..，我必须把pragma-omp屏障的sum放在上面吗？我认为这是多余的。你如何在这个级别上分割工作？如果你想要2级并行化，你可以为外部循环做10个线程，然后为内部循环做4个线程。但是我认为对于简单的求和来说，它不会很好地工作。
#pragma omp parallel for num_threads(40)

    for (int i = 1; i <= NumImages; i++) {

       myfunction(...);

        for (int k = 0 ; k < SumNumber k++) {

           #pragma omp for
           for (int l = 0; l < ElNum ; l++) {