2

「dat」のデータポイントのk最近傍（KNN）を実行しようとしているので、最初のステップは、各ポイントと他のすべてのポイントの間の距離行列を作成し、各ポイントについてK最近傍を見つけます。次のコードは、openmpなしでシリアルで完全に機能します。ただし、openmpを使用すると、セグメンテーション違反が発生します。このエラーは、k個の最小要素のインデックスを含む最小値を更新する方法に関係していると思います。ベクトルが最小の「リダクション」を使用する必要があるのではないかと思いましたが、使用方法がわからないので、正しいか間違っているかわからないので、このセグメンテーション違反を克服するための助けをいただければ幸いです。

vector<vector<double> > dist(dat.size(), vector<double>(dat.size()));
size_t p,j;
ptrdiff_t i;
vector<double> sumKnn;
vector<vector<int > > smallest(dat.size(), vector<int>(k));
#pragma omp parallel for private(p,j,i) default(shared)
for(p=0;p<dat.size();++p)
{
    int mycont=0;
    for (j = p+1; j < dat.size(); ++j)
    {
        double ecl = 0.0;
        for (i = 0; i < c; ++i)
        {
            ecl += (dat[p][i] - dat[j][i]) * (dat[p][i] - dat[j][i]);
        }
        ecl = sqrt(ecl);
        dist[p][j] = ecl;
        dist[j][p] = ecl;
        int index=0; 
        if(mycont<k && j!=p)
        {
            smallest[p][j-p-1]=j;
            mycont++;
        }
        else
        {
            double max=0.0;
            int index=0;
            for(int i=0;i<smallest[p].size();i++)
            {
                if(max < dist[p][smallest[p][i]])
                {
                    index=i;
                    max=dist[p][smallest[p][i]];
                } 
            }
            if(max>dist[p][j])
            {
                smallest[p].erase(smallest[p].begin()+index);
                smallest[p].push_back(j);
            }
        }        
    }
double sum=0.0;
for(int r=0;r<k;r++)
    sum+= dist[p][smallest[p][r]];
sumKnn.push_back(sum);
}
4

2 に答える 2

0

したがって、@ izomorphiusに同意します。このアルゴリズム（すべての距離が計算される）の並列化は、特に非常に多数のポイントに対して、より高速なツリーベースのアルゴリズムを使用する場合と比較して、おそらく高速化されません。

それでも、これはかなり簡単に行うことができます。問題は、複数のスレッドが共有ベクターに対してpush_back（）やerase（）などを同時に実行することはできないということです。そして率直に言って、ベクトルはとにかくこれらのものに使用するための間違ったアプローチのように見えます。これらのもののサイズを知っているので、配列を使用するだけがおそらく進むべき道です。

とにかく、eraseとpush backを使用する代わりに、smallest [] []配列内で手動で移動し、push_back（）を使用する代わりにsumKnnの静的配列に書き込むだけで、これを機能させることができます。

#include <cmath>
#include <cstdlib>
#include <vector>

using namespace std;

int main(int argc, char **argv) {

    const int size = 25;  // number of pts
    const int k = 2;      // number of neighbours
    const int c = 2;      // number of dimensions

    vector<vector<double> > dat(size, vector<double>(c));
    for (int i=0; i<size; i++) {
        vector<double> pt(c);
        for (int d=0; d<c; d++) {
            pt.push_back(rand()*1./RAND_MAX);
        }
        dat.push_back(pt);
    }

    vector<vector<double> > dist(size, vector<double>(size));
    double sumKnn[size];

    vector<vector<int > > smallest(size, vector<int>(k));
#pragma omp parallel for default(none) shared(dat, dist, smallest, sumKnn)
    for(size_t p=0;p<size;++p)
    {
        int mycont=0;
        for (size_t j = p+1; j < size; ++j)
        {
            double ecl = 0.0;
            for (ptrdiff_t i = 0; i < c; ++i)
            {
                ecl += (dat[p][i] - dat[j][i]) * (dat[p][i] - dat[j][i]);
            }
            ecl = sqrt(ecl);
            dist[p][j] = ecl;
            dist[j][p] = ecl;
            int index=0;
            if(mycont<k && j!=p)
            {
                smallest[p][j-p-1]=j;
                mycont++;
            }
            else
            {
                double max=0.0;
                int index=0;
                for(int i=0;i<k;i++)
                {
                    if(max < dist[p][smallest[p][i]])
                    {
                        index=i;
                        max=dist[p][smallest[p][i]];
                    }
                }
                if(max>dist[p][j])
                {
                    for (int ii=index; ii<k-1; ii++)
                        smallest[p][ii] = smallest[p][ii+1];
                    smallest[p][k-1] = j;
                }
            }
        }
        double sum=0.0;
        for(int r=0;r<k;r++)
            sum+= dist[p][smallest[p][r]];
        sumKnn[p] = sum;
    }


    return 0;
}
于 2012-03-04T18:48:00.000 に答える
0

「クリティカル」ディレクティブを使用できます。

#pragma omp critical
{
smallest[p].erase(smallest[p].begin()+index);
smallest[p].push_back(j); 
}

と

#pragma omp critical
sumKnn.push_back(sum);

しかし、並列化の代わりにkd-treeまたはk-meansツリーを使用する方がよいことに同意します。FLANNライブラリhttp://www.cs.ubc.ca/~mariusm/index.php/FLANN/FLANNをダウンロードできます。

于 2013-01-16T12:00:01.990 に答える