OMP 并行减少答案

【问题标题】：OMP parallel for reductionOMP 并行减少
【发布时间】：2015-02-09 21:50:22
【问题描述】：

我正在尝试编写一个 k-means 聚类类。我想让我的函数并行。

void kMeans::findNearestCluster()
{   
    short closest;
    int moves = 0;
    #pragma omp parallel for reduction(+:moves)
    for(int i = 0; i < n; i++)
    {      
        float min_dist=FLT_MAX;
        for(int k=0; k < clusters; k++)
        {
            float dist_sum = 0.0, dist2 = 0.0;
            for(int j = 0; j < dim; j++)
            {
                dist_sum = centroids[k*dim+j] - data[i*dim+j];
                dist2 +=  dist_sum * dist_sum;

            }
            if (dist2 < min_dist)
            {
                min_dist = dist2;
                closest = k;

            }

        }

        if (assignment[i] != closest)
        {
            assignment[i] = closest;
            moves++;
        }        

    }

    this->moves = moves;

}

它应该是这样工作的：

第 1 步：找到最近的集群
- 遍历所有数据点，并比较所有质心之间的距离。
- 当找到最近的质心时，将其存储在名为closest的变量中。
- 检查该点是否分配给新发现的最近的集群。如果没有，请将其移至新的。（增量移动）
第 2 步：根据新分配重新计算质心。（功能未显示）
重复第 1 步和第 2 步，直到不再发生移动。

没有#parallel moves 收敛到零。如果我有#parallel，则移动具有随机值。我认为是因为并行循环有冲突更新move。

也许更好的策略是让每个线程都有自己的移动变量，最后它们会增加一些。

【问题讨论】：

标签： c++ cluster-analysis openmp

【解决方案1】：

您在并行循环中使用closest 变量，在增加moves 变量之前将其写入并用作检查。但是它是在循环之外声明的，所以所有的迭代都使用同一个变量！由于所有迭代（理论上）都是并行执行的，因此您不能期望任何迭代都能看到任何其他迭代在分支条件if (assignment[i] != closest) 中写入closest 的内容。这个变量通过并行线程随机更新。因此，您的 moves 评估为垃圾值。

将closest 的声明移到外循环内或在OpenMP pragma 中将其声明为private(closest) 可能会解决您的问题。

顺便说一句，closest 可能是未初始化的，最好和k 同类型，即int。

【讨论】：