C++ 加速循环。向后推

我想知道我们是否可以使用OpenMP或CUDA来加速这个循环。目前，它在顺序处理方面运行良好，但我正在尝试优化我的编码：

for (int curCol = 0; curCol < numRows; ++curCol){     //Long Loop
        int lb = csc_colIndices[curCol];
        int ub = csc_colIndices[curCol + 1];

        // push back the diagonal value to L matrix
        vec_L_val[curCol].push_back(1.0f);
        vec_L_indices[curCol].push_back(curCol);

        for (int curIndex = lb; curIndex < ub; ++curIndex){
            int curRow = csc_indices[curIndex];
            float curVal = csc_val[curIndex];

            if (!Equal(curVal, 0) && curRow <= curCol){// U entry
                vec_U_val[curCol].push_back(curVal);
                vec_U_indices[curCol].push_back(curRow);
            }
            else if (!Equal(curVal, 0) && curRow > curCol){// L entry
                vec_L_val[curCol].push_back(curVal);
                vec_L_indices[curCol].push_back(curRow);
            }
        }
    }

我的怀疑是使用了。推开你，但我可能错了

---

如何改进此代码？

首先预告整个代码：

for (int curCol = 0; curCol < numRows; ++curCol)
{
    vec_L_val[curCol].resize( SIZE_OF_THE_INNER_VECTOR );
    vec_L_indices[curCol].resize( SIZE_OF_THE_INNER_VECTOR );
    vec_U_val[curCol].resize(SIZE_OF_THE_INNER_VECTOR )
    vec_U_indices[curCol].resize(SIZE_OF_INNER_VECTOR )
}

for（int curCol=0；curCol

这样，您的内部循环可能工作得更快，因为在内部向量结构中不需要realloc

for (int curCol = 0; curCol < numRows; ++curCol){     //Long Loop
    int lb = csc_colIndices[curCol];
    int ub = csc_colIndices[curCol + 1];

    // push back the diagonal value to L matrix
    vec_L_val[curCol].push_back(1.0f);
    vec_L_indices[curCol].push_back(curCol);

    for (int curIndex = lb; curIndex < ub; ++curIndex){
        int curRow = csc_indices[curIndex];
        float curVal = csc_val[curIndex];

        if (!Equal(curVal, 0) && curRow <= curCol){// U entry
            vec_U_val[curCol].push_back(curVal);
            vec_U_indices[curCol].push_back(curRow);
        }
        else if (!Equal(curVal, 0) && curRow > curCol){// L entry
            vec_L_val[curCol].push_back(curVal);
            vec_L_indices[curCol].push_back(curRow);
        }
    }
}

for（int-curCol=0；curCol

您是否给了向量一个初始大小？您是指vec_L_val之类的吗？如果是的话，是的。填充

std:：vector

s对于并行性来说不是一个合适的应用程序，因为多个线程将在同一时间竞争资源。我将把填充作为一个顺序操作，而集中精力在leveragin上当你以后不修改处理这些向量时，并行性。我明白了。谢谢你的解释。主要的是，这是我的程序的一个剩余部分，它有一个瓶颈，这就是我正在处理它的原因。

shared（curIndex）

肯定是错误的！（但实际上您还可以，因为您随后在现在的并行代码中适当地将其声明为本地）我明白了，我会尝试一下，谢谢你的建议。嗨，托玛兹，我尝试过你的解决方案，但它却使程序停止运行。尽管如此，谢谢你的建议！通过调整向量大小来停止运行？这只有在你没有内存处理数据的情况下才可能。

for (int curCol = 0; curCol < numRows; ++curCol){     //Long Loop
    int lb = csc_colIndices[curCol];
    int ub = csc_colIndices[curCol + 1];

    // push back the diagonal value to L matrix
    vec_L_val[curCol].push_back(1.0f);
    vec_L_indices[curCol].push_back(curCol);

    for (int curIndex = lb; curIndex < ub; ++curIndex){
        int curRow = csc_indices[curIndex];
        float curVal = csc_val[curIndex];

        if (!Equal(curVal, 0) && curRow <= curCol){// U entry
            vec_U_val[curCol].push_back(curVal);
            vec_U_indices[curCol].push_back(curRow);
        }
        else if (!Equal(curVal, 0) && curRow > curCol){// L entry
            vec_L_val[curCol].push_back(curVal);
            vec_L_indices[curCol].push_back(curRow);
        }
    }
}