问题标签 [parallel-for]

下面有一个示例工作代码（parallel_for 使用并行模式库（ ppl ））。这里的主要问题是sqr < concurrent_vector > 存储的值在每次执行中都会发生变化，但它不应该如此！

我使用 < concurrent_vector > 进行随机访问，为什么它不起作用？

如何在 CUDA 中编写以下 C++ 表达式？第一个循环很容易，但之后呢？（我把我的启动内核）

启动内核

C++ 3 循环表达式

我使用 opencv 人脸检测器编写了一个多视图人脸检测代码。我在一张图像上运行五个检测器（针对不同的姿势角度进行了训练），并采用它们的权重来检测图像中的人脸。我使用 TBB parallel_for 使代码并行，但它仅将性能提高了 1.7 倍。我想问有没有更好的方法来并行运行五个检测器？

我在一个 16 核的集群上运行我的代码。我认为线程数（在我的情况下是 5 个）太少而无法利用全部功能。

有什么建议么？

谢谢，

我有一个将拜耳图像通道转换为 RGB 的算法。在我的实现中，我有一个嵌套for循环，它遍历拜耳通道，从拜耳索引计算 rgb 索引，然后从拜耳通道设置该像素的值。这里要注意的主要事情是每个像素都可以独立于其他像素进行计算（不依赖于先前的计算），因此该算法是并行化的自然候选者。然而，计算确实依赖于所有线程将同时访问但不会改变的一些预设数组。

但是，当我尝试将主要for与 MS并行化时cuncurrency::parallel_for，性能并没有得到任何提升。事实上，对于在 4 核 CPU 上运行的大小为 3264X2540 的输入，非并行版本的运行时间约为 34 毫秒，并行版本的运行时间约为 69 毫秒（平均超过 10 次运行）。我确认该操作确实是并行化的（为该任务创建了 3 个新线程）。

使用英特尔的编译器tbb::parallel_for给出了接近准确的结果。作为比较，我从实现的算法开始，C#其中我还使用了parallel_for循环，在那里我遇到了接近 X4 的性能提升（我选择了这个算法，C++因为C++即使使用单核，这个特定任务也更快）。

有什么想法阻止我的代码很好地并行化吗？

我的代码：

我正在尝试使用parallel_for，但出现错误，代码为：

错误是：

IntelliSense：没有重载函数“parallel_for”的实例与参数列表匹配>参数类型为：(size_t, int, lambda []void (size_t i)->void

这只是一个例子，我必须在更大的项目中使用它，但首先我想了解如何正确使用它。

*编辑*

我将代码更改为：

但我仍然得到恼人的错误：IntelliSense：没有重载函数“parallel_for”的实例与参数列表参数类型匹配：（size_t，int，lambda []void（size_t i）->void）

我想加快线条的绘制速度。为什么并行 for 循环不起作用？它不画任何东西。

我也对如何加快速度的其他想法持开放态度。

我编辑了增量 for 循环的代码。虽然我在绘图过程中得到“SharpDX.Direct2D1.dll 中发生'System.AccessViolationException'类型的第一次机会异常”？livePoints 是一个简单的列表。

一些代码：

循环标准：

并行for循环：

我有一个程序bool IsExistImage(int i)。该过程的任务是检测图像并返回布尔值（无论它是否存在）。

我有一个 100 多页的 PDF，我通过该方法拆分并仅发送文件名。文件名实际上是主要 PDF 文件的页码。像 1,2,3,...,125,..

检测到图像后，我的方法正确保存了页面列表。为此，我使用了以下代码：

这个过程运行了1个多小时（显然是isExistImage()方法的内部工作。）。我可以向您保证，在方法范围之外没有任何对象/变量是全局的。

所以，为了缩短时间，我使用了 Task.Parallel For 循环。这是我所做的：

但这不能正常工作。有时图像检测是正确的。但大多数时候它是错误的。当我使用非并行 for 循环时，它总是正确的。

我不明白这里有什么问题。我应该在这里申请什么。有什么我缺少的技术吗？

我试图想出一个使用 OpenMP的英特尔 TBBparallel_for循环的等效替代品。tbb::blocked_range在网上搜索，我只找到提到另一个人在做类似的事情；提交给 Open Cascade 项目的补丁，其中 TBB 循环如此出现（但未使用 tbb::blocked_range）：

OpenMP 等价物是：

这是我要替换的 TBB 循环：

它使用DoStuff类来执行工作：

我基于this reference的理解是，TBB会将阻塞范围划分为更小的子集，并为每个线程提供一个循环范围。因为每个线程都会有自己的DoStuff类，它有一堆引用和指针，这意味着线程本质上是共享这些资源的。

这是我在 OpenMP 中提出的等效替代方案：

由于我无法控制的情况（这只是跨越 +5 台计算机的更大系统中的一个组件），使用调试器单步执行代码以查看到底发生了什么......不太可能。我正在努力进行远程调试，但看起来并不是很有希望。我所知道的是，上面的 OpenMP 代码在某种程度上做的事情与 TBB 不同，并且在为每个索引调用 PerformWork 后没有获得预期的结果。

鉴于上述信息，是否有人对为什么 OpenMP 和 TBB 代码在功能上不等效有任何想法？

我的问题类似于生产者消费者问题。例如，我需要并行运行 999 个生产者和 1 个消费者。基本上所有 999 个生产者都做同样的任务。

我想运行一个并行的计划（例如静态/动态/引导）for循环，其中每个线程都有自己的一组变量，基于它们的线程ID。我知道在并行编译指示中声明的任何变量都是私有的，但我不想在 for 循环的每次迭代中重新声明变量。

在我的具体情况下，每当一组生成坐标位于圆的内部或外部时，我都会计算以近似 pi。我正在使用 erand48(int[3] seed) 在每个线程中生成这些坐标，并通过为每个线程提供一组不同的“seed”值，我将获得更多种类的数字用于近似值（也是此模拟的要求）。

这是尽我所能代表我正在尝试做的事情。我希望 'this_result'、'tid' 和 'seed' 的值具有私有范围。