OMP:串行和并行版本的不同输出

Question

我正在尝试使用OMP运行矩阵乘法程序。我在串行和并行版本中得到了不同的输出。我正在尝试使用一个3*3矩阵进行测试。

我的并行代码是：

#include <omp.h>
#include <stdio.h>
#include <stdlib.h>

#define NRA 3//62                 /* number of rows in matrix A */
#define NCA 3//15                 /* number of columns in matrix A */
#define NCB 3//7                  /* number of columns in matrix B */

int main (int argc, char *argv[]) 
{
int tid, nthreads, i, j, k, chunk;
double  a[NRA][NCA],           /* matrix A to be multiplied */
    b[NCA][NCB],           /* matrix B to be multiplied */
    c[NRA][NCB];           /* result matrix C */

chunk = 10;                    /* set loop iteration chunk size */

/*** Spawn a parallel region explicitly scoping all variables ***/
#pragma omp parallel shared(a,b,c,nthreads,chunk) private(tid,i,j,k)
  {
  tid = omp_get_thread_num();
  if (tid == 0)
    {
    nthreads = omp_get_num_threads();
    printf("Starting matrix multiple example with %d threads\n",nthreads);
    printf("Initializing matrices...\n");
    }
  /*** Initialize matrices ***/
  #pragma omp for schedule (static, chunk) 
  for (i=0; i<NRA; i++)
    for (j=0; j<NCA; j++)
      a[i][j]= i+j;
  #pragma omp for schedule (static, chunk)
  for (i=0; i<NCA; i++)
    for (j=0; j<NCB; j++)
      b[i][j]= i*j;
  #pragma omp for schedule (static, chunk)
  for (i=0; i<NRA; i++)
    for (j=0; j<NCB; j++)
      c[i][j]= 0;

  /*** Do matrix multiply sharing iterations on outer loop ***/
  /*** Display who does which iterations for demonstration purposes ***/
  printf("Thread %d starting matrix multiply...\n",tid);
  #pragma omp for schedule (static, chunk)
  for (i=0; i<NRA; i++)    
    {
    printf("Thread=%d did row=%d\n",tid,i);
    for(j=0; j<NCB; j++)       
      for (k=0; k<NCA; k++)
        c[i][j] += a[i][k] * b[k][j];
    }
  }   /*** End of parallel region ***/

/*** Print results ***/

printf("******************************************************\n");
printf("Result Matrix:\n");
for (i=0; i<NRA; i++)
  {
  for (j=0; j<NCB; j++) 
    printf("%6.2f   ", a[i][j]);
  printf("\n"); 
  }
printf("******************************************************\n");

printf("******************************************************\n");
printf("Result Matrix:\n");
for (i=0; i<NRA; i++)
  {
  for (j=0; j<NCB; j++) 
    printf("%6.2f   ", b[i][j]);
  printf("\n"); 
  }
printf("******************************************************\n");
printf("******************************************************\n");
printf("Result Matrix:\n");
for (i=0; i<NRA; i++)
  {
  for (j=0; j<NCB; j++) 
    printf("%6.2f   ", c[i][j]);
  printf("\n"); 
  }
printf("******************************************************\n");
printf ("Done.\n");

}

对于串行版本，我刚刚注释了该行:

#pragma omp for schedule (static, chunk)

我的并行版本的输出是：

起始矩阵 具有 12 个线程的多个示例初始化矩阵...线程 0 起始矩阵乘...线程 8 起始矩阵乘法...线程 6 起始矩阵乘...线程 9 起始矩阵乘法...线程 5 起始矩阵乘法...线程 1 起始矩阵乘...线程 4 起始矩阵乘...线程 7 起始矩阵乘法...线程 10 起始矩阵乘法...线程 3 起始矩阵乘法...线程 2 起始矩阵乘法...线程=0 行=0 线程=0 行=1 线程=0 行=2 线程 11 起始矩阵乘法... ******

******************************************************结果矩阵：0.00 0.00 0.00
0.00 1.00 2.00
0.00 2.00 4.00

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结果矩阵:0.00 5.00 10.00 0.00 8.00 16.00 0 0.00 11.00 22.00 < br > * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *完成。

我的串行版本的输出如下:

用12个线程启动矩阵多重示例初始化矩阵...线程0开始矩阵乘法...线程3开始矩阵乘法...线程5开始矩阵乘法...线程11开始矩阵乘法...线程1开始矩阵乘法...线程10开始矩阵乘法...线程2开始矩阵乘法...线程9开始矩阵乘法...线程7开始矩阵乘法...线程8开始矩阵乘法...线程4开始矩阵乘法...线程6开始矩阵乘法...* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结果矩阵:0.00 1.00 2.00 1.00 2.00 3.00 2.00 3.00 4.00

******************************************************结果矩阵：0.00 0.00 0.00
0.00 1.00 2.00
0.00 2.00 4.00

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结果矩阵:0.00 60.00 120.00 0.00 96.00 192.00 0 0.00 132.00 264.00 132.00 132.00 132.00 132.00 132.00 132.00 132.00 132.00 132。

我如何处理这个问题？

Answer 1

我发现了错误。在连载版中，我没有正确评论。我忽略了这句台词:

#pragma omp parallel shared(a,b,c,nthreads,chunk) private(tid,i,j,k)