目前,我编程的k-均值++使用OpenMP和C.并行版本直到现在,我实施质心的初始化。如果您对此过程不熟悉,则其工作原理与follows大致相同。给定一个dataset
(基体)与n
点,k
质心是使用“概率函数”,也被称为轮盘赌选择initilized。OpenMP程序(k均值++)不结垢
假设你有n=4
点,距离下面的数组一些重心:
distances = [2, 4, 6, 8]
dist_sum = 20
从这些,除以distances
每个条目由dist_sum
,并添加以前的结果,就像定义一个累积概率数组这:
probs = [0.1, 0.2, 0.3, 0.4] = [2/20, 4/20, 6/20, 8/20]
acc_probs = [0.1, 0.3, 0.6, 1.0]
然后,执行轮盘赌选择。给定一个随机数,说r=0.5
,选择使用r
和acc_probs
,下一个点迭代acc_probs
直到r < acc_probs[i]
。在这个例子中,所选择的点是因为i=2
r < acc_probs[2]
。
问题 在这种情况下,我非常大的矩阵(约点n=16 000 000
)工作。尽管该程序给出了正确的答案(即重心的良好初始化),但它并没有如预期的那样成比例。该函数按照此算法计算初始质心。
double **parallel_init_centroids (double **dataset, int n, int d, int k, RngStream randomizer, long int *total_ops) {
double dist=0, error=0, dist_sum=0, r=0, partial_sum=0, mindist=0;
int cn=0, cd=0, ck = 0, cck = 0, idx = 0;
ck = 0;
double probs_sum = 0; // debug
int mink=0, id=0, cp=0;
for (ck = 0; ck < k; ck++) {
if (ck == 0) {
// 1. choose an initial centroid c_0 from dataset randomly
idx = RngStream_RandInt (randomizer, 0, n-1);
}
else {
// 2. choose a successive centroid c_{ck} using roulette selection
r = RngStream_RandU01 (randomizer);
idx = 0;
partial_sum = 0;
for (cn=0; cn<n; cn++) {
partial_sum = partial_sum + distances[cn]/dist_sum;
if (r < partial_sum) {
idx = cn;
break;
}
}
}
// 3. copy centroid from dataset
for (cd=0; cd<d; cd++)
centroids[ck][cd] = dataset[idx][cd];
// reset before parallel region
dist_sum = 0;
// -- parallel region --
# pragma omp parallel shared(distances, clusters, centroids, dataset, chunk, dist_sum_threads, total_ops_threads) private(id, cn, cck, cd, cp, error, dist, mindist, mink)
{
id = omp_get_thread_num();
dist_sum_threads[id] = 0; // each thread reset its entry
// parallel loop
// 4. recompute distances against centroids
# pragma omp for schedule(static,chunk)
for (cn=0; cn<n; cn++) {
mindist = DMAX;
mink = 0;
for (cck=0; cck<=ck; cck++) {
dist = 0;
for (cd=0; cd<d; cd++) {
error = dataset[cn][cd] - centroids[ck][cd];
dist = dist + (error * error); total_ops_threads[id]++;
}
if (dist < mindist) {
mindist = dist;
mink = ck;
}
}
distances[cn] = mindist;
clusters[cn] = mink;
dist_sum_threads[id] += mindist; // each thread contributes before reduction
}
}
// -- parallel region --
// 5. sequential reduction
dist_sum = 0;
for (cp=0; cp<p; cp++)
dist_sum += dist_sum_threads[cp];
}
// stats
*(total_ops) = 0;
for (cp=0; cp<p; cp++)
*(total_ops) += total_ops_threads[cp];
// free it later
return centroids;
}
正如你所看到的,并行区域计算中n
d
维点对k
d
维质心的距离。这项工作在p
线程(最多32个)之间共享。并行区域结束后,两个阵列被填充:distances
和dist_sum_threads
。第一个数组与前一个示例相同,而第二个数组包含每个线程收集的累积距离。考虑前面的例子,如果p=2
线程是可用的,那么该阵列被定义如下:
dist_sum_threads[0] = 6 ([2, 4]) # filled by thread 0
dist_sum_threads[1] = 14 ([6, 8]) # filled by thread 1
dist_sum
通过加入的dist_sum_threads
每个条目定义。该函数按预期工作,但是当线程数量增加时,执行时间会增加。这figure显示了一些性能指标。
出了什么问题我的执行,特别是使用OpenMP?综上所述,采用了只有两个杂注:
# pragma omp parallel ...
{
get thread id
# pragma omp for schedule(static,chunk)
{
compute distances ...
}
fill distances and dist_sum_threads[id]
}
换句话说,我消除了障碍,互斥访问,以及其他的东西,可能会导致额外的开销。但是,执行时间随着线程数量的增加而变得最差。
更新
- 上面的代码已经被更改为mcve。 This snippet与我以前的代码类似。在这种情况下,计算
n=100000
点和k=16
质心之间的距离。 - 执行时间在并行区域之前和之后使用
omp_get_wtime
进行测量。总时间存储在wtime_spent
中。 - 我包含一个减少计算
dist_sum
。然而,它并不像预期的那样工作(它在下面被评论为不好的并行减少)。dist_sum
的正确值是999857108020.0
,但是当使用p
线程来计算它时,结果为999857108020.0 * p
,这是错误的。 - 性能情节updated
这是主要的并行功能,完整的代码位于here:
double **parallel_compute_distances (double **dataset, int n, int d, int k, long int *total_ops) { double dist=0, error=0, mindist=0; int cn, cd, ck, mink, id, cp; // reset before parallel region dist_sum = 0; // -- start time -- wtime_start = omp_get_wtime(); // parallel loop # pragma omp parallel shared(distances, clusters, centroids, dataset, chunk, dist_sum, dist_sum_threads) private(id, cn, ck, cd, cp, error, dist, mindist, mink) { id = omp_get_thread_num(); dist_sum_threads[id] = 0; // reset // 2. recompute distances against centroids # pragma omp for schedule(static,chunk) for (cn=0; cn<n; cn++) { mindist = DMAX; mink = 0; for (ck=0; ck<k; ck++) { dist = 0; for (cd=0; cd<d; cd++) { error = dataset[cn][cd] - centroids[ck][cd]; dist = dist + (error * error); total_ops_threads[id]++; } if (dist < mindist) { mindist = dist; mink = ck; } } distances[cn] = mindist; clusters[cn] = mink; dist_sum_threads[id] += mindist; } // bad parallel reduction //#pragma omp parallel for reduction(+:dist_sum) //for (cp=0; cp<p; cp++){ // dist_sum += dist_sum_threads[cp]; //} } // -- end time -- wtime_end = omp_get_wtime(); // -- total wall time -- wtime_spent = wtime_end - wtime_start; // sequential reduction for (cp=0; cp<p; cp++) dist_sum += dist_sum_threads[cp]; // stats *(total_ops) = 0; for (cp=0; cp<p; cp++) *(total_ops) += total_ops_threads[cp]; return centroids; }
“即使在Xeon Phi KNC上,我也可以从1到60个线程获得接近线性的速度(然后使用更多的硬件线程仍然可以提高速度,但不会达到相同的程度)。” KNC有60个核心,但可以运行4个线程/核心。因此(假设你正在使用分散关系),前60个线程每个都有一个完整的内核,但是60个以上的线程会在同一个内核上有多个HW线程。因此,您不应该期望获得相同的性能。最好在x和单独的线上用1T/C,2T/C,4T/C的内核绘制缩放比例。 (KMP_PLACE_THREADS环境可以提供帮助) –