//In other words, this equilavent to cv::Mat1f mat(5,n)
//i.e. a matrix 5xn
std::vector<cv::Mat1f> mat(5,cv::Mat1f::zeros(1,n));
std::vector<float> indexes(m);
// fill indexes
// m >> nThreads (from hundreds to thousands)
for(size_t i=0; i<m; i++){
mat[indexes[m]] += 1;
}
预期结果是将每行的每个元素增加1。这是一个玩具的例子,实际的总和更加复杂。我试着将它并行化:对cv :: Mat或cv :: Mat向量的omp减少通常为
#pragma omp declare reduction(vec_float_plus : std::vector<cv::Mat1f> : \
std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>())) \
initializer(omp_priv=omp_orig);
#pragma omp parallel for reduction(vec_float_plus : mat)
for(size_t i=0; i<m; i++){
mat[indexes[m]] += 1;
}
但是这样做会失败,因为每行的每个元素都是随机初始化的。我该如何解决这个问题?
所以我发现问题与this有关。所以,我应该初始化mat
有:
std::vector<cv::Mat1f> mat(5);
for(size_t i=0; i<mat.size(); i++)
mat[i] = cv::Mat1f::zeros(1,n);
但随后这将创建问题omp_priv = omp_orig
,因为它会考虑std::vector<cv::Mat1f> mat(5);
,它的价值是不确定的。我该如何解决这个问题?即来到我的脑海里唯一的解决方案是创建一个包装结构是这样的:
class vectMat{
public:
vectMat(size_t rows, size_t j){
for(size_t i=0; i<rows; i++)
mats.push_back(cv::Mat1f::zeros(1,j));
}
private:
std::vector<cv::Mat1f> mats;
};
但后来我应该怎么实施,使之与其余代码工作?
你是什么意思*“每行的每个元素随机inizitialized”*? – Zulan
@Zulan在前面的例子中,不同的行是“链接的”,所以我不能像第一种情况那样初始化'mat',但是omp_priv = omp_orig'有问题,你不觉得吗? – justHelloWorld
@Zulan请看看我上传的问题 – justHelloWorld