54 lines
2.0 KiB
Python
54 lines
2.0 KiB
Python
|
import time
|
||
|
import numpy
|
||
|
import concurrent.futures
|
||
|
|
||
|
# Функция для умножения матриц
|
||
|
def multiply_matrices(matrix1, matrix2):
|
||
|
return numpy.dot(matrix1, matrix2)
|
||
|
|
||
|
# Параллельное умножение матриц
|
||
|
def multiply_matrices_parallel(matrix1, matrix2, num_threads):
|
||
|
result = numpy.zeros_like(matrix1)
|
||
|
chunk_size = matrix1.shape[0] // num_threads
|
||
|
|
||
|
def multiply_chunk(start, end):
|
||
|
nonlocal result
|
||
|
for i in range(start, end):
|
||
|
result[i] = numpy.dot(matrix1[i], matrix2)
|
||
|
|
||
|
with concurrent.futures.ThreadPoolExecutor(max_workers=num_threads) as executor:
|
||
|
futures = []
|
||
|
for i in range(0, matrix1.shape[0], chunk_size):
|
||
|
futures.append(executor.submit(multiply_chunk, i, i + chunk_size))
|
||
|
|
||
|
for future in concurrent.futures.as_completed(futures):
|
||
|
future.result()
|
||
|
|
||
|
return result
|
||
|
|
||
|
# Бенчмарк для сравнения производительности
|
||
|
def benchmark(matrix_size, num_threads_list=[1, 2, 4]):
|
||
|
# Генерация матриц
|
||
|
matrix1 = numpy.random.rand(matrix_size, matrix_size)
|
||
|
matrix2 = numpy.random.rand(matrix_size, matrix_size)
|
||
|
|
||
|
# Бенчмарк для обычного умножения
|
||
|
start_time = time.time()
|
||
|
result = multiply_matrices(matrix1, matrix2)
|
||
|
end_time = time.time()
|
||
|
print(f"Размер матрицы {matrix_size}x{matrix_size}")
|
||
|
print(f"Последовательный: Время выполнения: {end_time - start_time:.6f} секунд")
|
||
|
|
||
|
# Бенчмарк для параллельного умножения
|
||
|
for num_threads in num_threads_list:
|
||
|
start_time = time.time()
|
||
|
result_parallel = multiply_matrices_parallel(matrix1, matrix2, num_threads)
|
||
|
end_time = time.time()
|
||
|
print(f"Параллельный ({num_threads} поток): Время выполнения: {end_time - start_time:.6f} секунд")
|
||
|
|
||
|
print()
|
||
|
|
||
|
# Запуск бенчмарков
|
||
|
benchmark(100)
|
||
|
benchmark(300)
|
||
|
benchmark(500)
|