21 lines
3.1 KiB
Markdown
21 lines
3.1 KiB
Markdown
|
# Лабораторная работа 5
|
|||
|
|
Данная работа посвящена параллельному умножению больших матриц (чтобы это был побыстрее)
|
|||
|
|
## Описание
|
|||
|
|
Основной принцип умножения матриц: строки умножаются на столбцы, таким образом получаются элементы. И так как значения в строках/столбцах не меняется по ходу алгоритма, его достаточно легко можно распаралелить.
|
|||
|
|
|
|||
|
|
## Запуск
|
|||
|
|
Приложение представлет собой консольную программу на C#, которую можно скомпилировать и затем запустит exe файл. В результате в окне консоли появится таблица сравнения времени умножения 2-х квадратных матриц (размер указан в первой колонке) с использованием разного числа потоков(от 1 до 8). Чем больше размер, тем дольше будет идти расчёт.
|
|||
|
|
## Результаты
|
|||
|
|
Результаты одного из запусков программы представлены ниже.
|
|||
|
|
<br/>
|
|||
|
|
|
|||
|
|
<br/>
|
|||
|
|
Как можно заметить, на небольших размерах распаралеливание не приносит никакого выигрыша, а иногда даже удлиняет время работы. Это связана с тем, что работы с потоками (запуск, получение результата и т. п.) - требует дополнительного времени, а из-за малого числа операций в целом, получаем не прирост производительности, а её падение.
|
|||
|
|
Противоположно обстоят дела в случае с большими матрицами. Так как там расчётов значительно больше, распаралеливание начинает значительно ускорять вычисление результата. Причём, часто можно видеть, что, например, увеличения числа потоков с 1 до 2 (в 2 раза) сокращает время в 2 раза. Но чем больше потоков, тем прирост меньше (так как вновь вступают в силу факторы, описанные ранее). И прирост производительности пусть и есть, но он очень небольшой.
|
|||
|
|
|
|||
|
|
## Видеодемонстрация
|
|||
|
|
Был записан видеоролик, демонстрирующий процесс запуска и работы системы. Он расположен по [адресу](https://drive.google.com/file/d/1dhA3JUAhhpDUh32xVW7jMuW1BKDX02eV/view?usp=sharing)
|
|||
|
|
|
|||
|
|
|
|||
|
|
|