Compare commits

...

2 Commits

Author SHA1 Message Date
6c6417140d . 2024-12-15 03:33:37 +04:00
64b4445dc6 . 2024-12-15 03:32:02 +04:00
4 changed files with 80 additions and 0 deletions
.idea
melnikov_igor_lab_5

View File

@ -1,4 +1,7 @@
<?xml version="1.0" encoding="UTF-8"?> <?xml version="1.0" encoding="UTF-8"?>
<project version="4"> <project version="4">
<component name="Black">
<option name="sdkName" value="Python 3.12 (DAS_2024_1)" />
</component>
<component name="ProjectRootManager" version="2" project-jdk-name="Python 3.9 (tukaeva_alfiya_lab_4)" project-jdk-type="Python SDK" /> <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.9 (tukaeva_alfiya_lab_4)" project-jdk-type="Python SDK" />
</project> </project>

View File

@ -0,0 +1,26 @@
# Лабораторная работа №5 - Параллельное умножение матриц
## Задание
Требуется сделать два алгоритма: обычный и параллельный. В параллельном алгоритме предусмотреть ручное задание количества потоков, каждый из которых будет выполнять умножение элементов матрицы в рамках своей зоны ответственности.
### Описание работы программы
Метод ```benchmark``` выполняет бенчмарк для матриц заданного размера.
Далее генерируются две матрицы ```matrix1``` и ```matrix2``` заданного размера.
После этого вызываются соответствующие методы для вычисления произведения матриц: ```multiply_matrices``` для обычного умножения и ```multiply_matrices_parallel``` для параллельного умножения.
Измеряется время выполнения каждого из методов с использованием функции ```time.time()```.
### Результат работы программы
![](lab_5.png "")
### Вывод
Параллельный подход может быть более быстрым, чем последовательный на матрицах большого размера, так как он позволяет производить более Параллельное выполнение матричного умножения имеет смысл применять при работе с крупными матрицами, где выигрыш от параллельных вычислений компенсирует затраты на управление потоками. Для небольших матриц может быть эффективнее использовать обычное выполнение
# Видеозапись работы программы
https://disk.yandex.ru/i/5gUyRJw0TM7-rw

View File

@ -0,0 +1,51 @@
import numpy as np
import time
import concurrent.futures
def multiply_matrices(matrix1, matrix2):
return np.dot(matrix1, matrix2)
def multiply_matrices_parallel(matrix1, matrix2, num_threads):
result = np.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] = np.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
def benchmark(matrix_size, num_threads_list=[1, 2, 4]):
# Генерация матриц
matrix1 = np.random.rand(matrix_size, matrix_size)
matrix2 = np.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)

Binary file not shown.

After

(image error) Size: 63 KiB