agliullov_daniyar_lab_6 is ready

agliullov_daniyar_lab_6/main.py

@@ -62,7 +62,7 @@ def compute_parallel_determinant(mat, num_workers):
 
 # Функция для запуска тестов производительности
 def execute_benchmarks():
-    sizes = [100, 300, 500, 1000, 1200]  # Размеры матриц
+    sizes = [100, 300, 500]  # Размеры матриц
     for size in sizes:
         random_matrix = np.random.rand(size, size)  # Генерация случайной матрицы
         print(f"--- Тест производительности для матрицы {size}x{size} ---")

agliullov_daniyar_lab_6/readme.md

@@ -11,5 +11,6 @@
    • В тестах на матрицах размером 100x100, 300x300 и 500x500 было замечено, что параллельный алгоритм демонстрирует значительное сокращение времени выполнения по сравнению с обычным алгоритмом, особенно на больших матрицах. Это подтверждает эффективность использования многопоточности для задач, требующих больших вычислительных ресурсов.
 
    • На малых размерах матриц (например, 100x100) преимущество было за последовательным умножением матрицы из-за накладных расходов на создание пула потоков. Однако при увеличении размера матрицы (300x300 и 500x500) преимущества параллельного подхода становились более очевидными. 
-   • При превышении количества физических потоков процессора, производительность понижается за счет смены контекста при переключении виртуальных потоков на одном ядре    
-    
+   • При превышении количества физических потоков процессора, производительность понижается за счет смены контекста при переключении виртуальных потоков на одном ядре
+   
+![Видео](https://disk.yandex.ru/d/MEZQvGM8u9OIBw)