Parallel processing 使用OpenMP“；对于simd“而言；在矩阵向量乘法中？

我目前正试图通过将

#pragma omp for

与

#pragma omp simd

相结合，使我的矩阵向量乘法函数与BLAS相比较，但与仅使用for构造相比，它没有得到任何加速改进。如何使用OpenMP的SIMD构造正确地矢量化内部循环

矢量点（常数矩阵和A、常数矢量和x）
{
断言（A.shape（1）=x.size（））；
向量y=xt:：零（{A.shape（0）}）；
int i，j；
#pragma omp并行共享（A，x，y）私有（i，j）
{
#//计划的pragma omp（静态）
对于（i=0；i

您的指令不正确，因为会引入竞争条件（在

y（i）

）。在这种情况下，您应该使用还原。以下是一个例子：

矢量点（常数矩阵和A、常数矢量和x）
{
断言（A.shape（1）=x.size（））；
向量y=xt:：零（{A.shape（0）}）；
int i，j；
#pragma omp并行共享（A，x，y）私有（i，j）
{
#//计划的pragma omp（静态）
对于（i=0；i

请注意，可能不需要更快，因为某些编译器能够自动矢量化代码（例如ICC）。GCC和Clang通常无法自动执行（高级）SIMD缩减，这样的指令对他们有一定帮助。您可以检查汇编代码，以检查代码是如何矢量化的，或者启用矢量化报告（请参见GCC）