对cv :: Mat或cv :: Mat向量的omp减少通常为

Question

//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：

#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？

Answer 1

类型如cv::Mat1f，使用引用而不是复制，在这种情况下确实是危险的。您通过拆分parallel区域和for循环来明确地提出明确的解决方案。

#pragma omp declare reduction(vec_mat1f_plus : std::vector<cv::Mat1f> : \ 
      std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>())); 
// initializer not necessary if you initialize explicitly 

std::vector<cv::Mat1f> mat; 
#pragma omp parallel reduction(vec_mat1f_plus : mat) 
{ 
    mat = std::vector<cv::Mat1f>(5); 
    for (auto& elem : mat) { 
    elem = cv:Mat1f::zeros(1, n); 
    } 
    #pragma omp for 
    for(size_t i=0; i<m; i++){ 
    mat[indexes[m]] += 1; 
    } 
} 

^{我没有测试过是否std::plus<cv::Mat1f>作品，但它looks good。}

如果提供operator=深 - 复制标的Mat与clone()您与vectMat方式也将工作，并保持初始化。