62 lines
4.0 KiB
Markdown
62 lines
4.0 KiB
Markdown
|
# Лабораторная работа №5 - Вспоминаем математику или параллельное перемножение матриц
|
|||
|
|
|
|||
|
|
Изучение параллельного умножения матриц
|
|||
|
|
|
|||
|
|
# Задачи
|
|||
|
|
|
|||
|
|
Кратко: реализовать умножение двух больших квадратных матриц.
|
|||
|
|
|
|||
|
|
Подробно: в лабораторной работе требуется сделать два алгоритма: обычный и параллельный
|
|||
|
|
(задание со * - реализовать это в рамках одного алгоритма). В параллельном алгоритме предусмотреть
|
|||
|
|
ручное задание количества потоков (число потоков = 1 как раз и реализует задание со *), каждый из
|
|||
|
|
которых будет выполнять умножение элементов матрицы в рамках своей зоны ответственности.
|
|||
|
|
|
|||
|
|
Сделать несколько бенчмарков последовательного и параллельного алгоритма на умножение двух матриц
|
|||
|
|
размером 100x100, 300x300, 500x500 элементов.
|
|||
|
|
# Запуск
|
|||
|
|
|
|||
|
|
Проект запускается в ide просто по нажатию у питон файла на функцию мейн.
|
|||
|
|
|
|||
|
|
# Описание работы:
|
|||
|
|
Консольное приложение для сравнения эффективности работы алгоритмов.
|
|||
|
|
|
|||
|
|
В программе предусмотрена возможность задания количества процессов для распараллеливания.
|
|||
|
|
Используется библиотека python multiprocessing.
|
|||
|
|
|
|||
|
|
Для маленьких матриц прирост скорости от параллельного алгоритма может быть незначительным из-за накладных расходов на управление потоками.
|
|||
|
|
При увеличении размера матрицы параллельное умножение показывает большее ускорение.
|
|||
|
|
Оптимальное количество потоков зависит от архитектуры процессора: на системах с большим числом ядер прирост производительности от увеличения числа потоков может быть более значительным.
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 100x100
|
|||
|
|
Время последовательного алгоритма: 0.4051 секунд
|
|||
|
|
Время параллельного алгоритма (1 потоков): 0.6888 секунд
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 100x100
|
|||
|
|
Время последовательного алгоритма: 0.4047 секунд
|
|||
|
|
Время параллельного алгоритма (4 потоков): 0.3908 секунд
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 300x300
|
|||
|
|
Время последовательного алгоритма: 10.7615 секунд
|
|||
|
|
Время параллельного алгоритма (1 потоков): 10.8965 секунд
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 300x300
|
|||
|
|
Время последовательного алгоритма: 11.3544 секунд
|
|||
|
|
Время параллельного алгоритма (4 потоков): 4.7440 секунд
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 500x500
|
|||
|
|
Время последовательного алгоритма: 58.7989 секунд
|
|||
|
|
Время параллельного алгоритма (1 потоков): 55.3291 секунд
|
|||
|
|
|
|||
|
|
|
|||
|
|
Размер матрицы: 500x500
|
|||
|
|
Время последовательного алгоритма: 57.8112 секунд
|
|||
|
|
Время параллельного алгоритма (4 потоков): 22.4297 секунд
|
|||
|
|
|
|||
|
|
# Ссылка на видео
|
|||
|
|
https://drive.google.com/file/d/1FLVGgw3e8Lzo-f6kq5WENtOH_wexH6Gc/view?usp=sharing
|