simonov nikita lab 5 done

simonov_nikita_lab_5/main.py

@@ -0,0 +1,74 @@
+import multiprocessing
+import numpy as np
+import time
+
+def sequential_multiply_matrix(A, B):
+    rows_A = len(A)
+    cols_A = len(A[0])
+    rows_B = len(B)
+    cols_B = len(B[0])
+
+    if cols_A != rows_B:
+        print("Умножение матриц невозможно.")
+        return
+
+    result_matrix = [[0 for row in range(cols_B)] for col in range(rows_A)]
+
+    for i in range(rows_A):
+        for j in range(cols_B):
+            for k in range(cols_A):
+                result_matrix[i][j] += A[i][k] * B[k][j]
+
+    return result_matrix
+
+def parallel_multiply_matrix(A, B, num_processes):
+    rows_A = len(A)
+    cols_A = len(A[0])
+    rows_B = len(B)
+    cols_B = len(B[0])
+
+    if cols_A != rows_B:
+        print("Умножение матриц невозможно.")
+        return
+
+    result_matrix = [[0 for row in range(cols_B)] for col in range(rows_A)]
+
+    chunk_size = int(rows_A / num_processes)
+
+    processes = []
+    for i in range(num_processes):
+        start = chunk_size * i
+        end = chunk_size * (i + 1) if i < num_processes - 1 else rows_A
+
+        p = multiprocessing.Process(target=perform_multiplication, args=(A, B, result_matrix, start, end))
+        processes.append(p)
+        p.start()
+
+    for p in processes:
+        p.join()
+
+    return result_matrix
+
+def perform_multiplication(A, B, result_matrix, start, end):
+    for i in range(start, end):
+        for j in range(len(B[0])):
+            for k in range(len(A[0])):
+                result_matrix[i][j] += A[i][k] * B[k][j]
+
+if __name__ == "__main__":
+    matrix_sizes = [100, 300, 500]
+    num_processes = 4
+
+    for n in matrix_sizes:
+        matrix_A = np.random.randint(10, size=(n, n))
+        matrix_B = np.random.randint(10, size=(n, n))
+
+        start_time = time.time()
+        sequential_result = sequential_multiply_matrix(matrix_A, matrix_B)
+        end_time = time.time()
+        print(f"Последовательное умножение {n}x{n} матриц заняло: {end_time - start_time} секунд")
+
+        start_time = time.time()
+        parallel_result = parallel_multiply_matrix(matrix_A, matrix_B, num_processes)
+        end_time = time.time()
+        print(f"Параллельное умножение {n}x{n} матриц заняло: {end_time - start_time}")

simonov_nikita_lab_5/readme.md

@@ -0,0 +1,31 @@
+# Лабораторная работа №5.
+
+## Задание
+
+Реализовать умножение двух больших квадратных матриц
+
+## Ход выполнения
+
+- Реализовать алгоритм перемножение матриц для потокового выполнения
+- Адаптировать алгоритм для параллельного выполнения:
+- Разделить данные на чанки, сохранив корректность вычислений
+
+## Технологии
+- `numpy`: библиотека для работы с многомерными массивами и матрицами в Python.
+- `multiprocessing`: модуль Python, предоставляющий возможность создания и управления процессами, что позволяет реализовать параллельные вычисления.
+
+## Ход работы
+
+- `sequential_multiply_matrix`: Функция выполняет последовательное умножение двух матриц. Перед умножением производится проверка на возможность выполнения операции. Результат сохраняется в новой матрице.
+
+- `parallel_multiply_matrix`: Функция выполняет параллельное умножение двух матриц, разделяя работу между указанным числом процессов. Также производится проверка на возможность умножения матриц. Результат сохраняется в новой матрице.
+
+- `perform_multiplication`: Вспомогательная функция, используемая в параллельном умножении. Каждый процесс выполняет умножение только для своего "куска" матрицы.
+
+## Результаты
+
+![](screens/Screenshot_1.png)
+
+## Ссылка на видео
+
+https://drive.google.com/file/d/18GxoovYjWLUAOhtsORBzBUByu4HdIeY8/view?usp=sharing