100 lines
4.9 KiB
Markdown
100 lines
4.9 KiB
Markdown
|
# Отчет по лабораторной работе №5
|
|||
|
|
|
|||
|
|
Выполнила студентка гр. ИСЭбд-41 Плаксина А.В.
|
|||
|
|
|
|||
|
|
# Описание работы приложения
|
|||
|
|
|
|||
|
|
Приложение реализовнао на языке питон, использована среда PyCharm для разработки.
|
|||
|
|
Было развернуто два приложения:
|
|||
|
|
1. Веб приложение для умножения матриц
|
|||
|
|
2. Консольное приложение для бенчмаркинга
|
|||
|
|
|
|||
|
|
Последовательно запускаем две программы: сначала simple_app.py, затем benchmark.py.
|
|||
|
|
Веб - приложение позволяет указать размеры матрицы и используемый алгоритм, и на основании этого получить результат перемножения матриц в интерактивном режиме
|
|||
|
|
|
|||
|
|
Развернули два приложения
|
|||
|
|
|
|||
|
|
1. Приложение 1 - веб приложение для умножения матриц
|
|||
|
|
2. Приложение 2 - консольное приложение для сравнения эффективности работы алгоритмов.
|
|||
|
|
|
|||
|
|
Первое приложение дает нам возможность умножить матрицы, получить результат в интерактивном режиме
|
|||
|
|
с указанием используемого алгоритма и с указанием размера матрицы.
|
|||
|
|
|
|||
|
|
При запуске веб приложения с выбором последовательного умножения:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат последовательного умножения:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Код реализующий последовательное умножение матриц:
|
|||
|
|
|
|||
|
|
```cs
|
|||
|
|
def multiply_matrices(matrix_a, matrix_b):
|
|||
|
|
if len(matrix_a[0]) != len(matrix_b):
|
|||
|
|
raise ValueError("матрицы имеют разную длину")
|
|||
|
|
|
|||
|
|
result = [[0 for _ in range(len(matrix_b[0]))] for _ in range(len(matrix_a))]
|
|||
|
|
|
|||
|
|
for i in range(len(matrix_a)):
|
|||
|
|
for j in range(len(matrix_b[0])):
|
|||
|
|
for k in range(len(matrix_b)):
|
|||
|
|
result[i][j] += matrix_a[i][k] * matrix_b[k][j]
|
|||
|
|
|
|||
|
|
return result
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
При запуске веб приложения с выбором параллельного умножения:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат параллельного умножения:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Код реализующий параллельное умножение матриц:
|
|||
|
|
|
|||
|
|
```cs
|
|||
|
|
def multiply_matrices_parallel(matrix_a, matrix_b, threads):
|
|||
|
|
if len(matrix_a[0]) != len(matrix_b):
|
|||
|
|
raise ValueError("матрицы имеют разную длину")
|
|||
|
|
|
|||
|
|
result = [[0 for _ in range(len(matrix_b[0]))] for _ in range(len(matrix_a))]
|
|||
|
|
|
|||
|
|
with multiprocessing.Pool(processes=threads) as pool:
|
|||
|
|
args_list = [(matrix_a, matrix_b, i) for i in range(len(matrix_a))]
|
|||
|
|
rows_results = pool.map(multiply_row, args_list)
|
|||
|
|
|
|||
|
|
for row_result, row_index in rows_results:
|
|||
|
|
result[row_index] = row_result
|
|||
|
|
|
|||
|
|
return result
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
# Бенчмаркинг
|
|||
|
|
|
|||
|
|
Для сравнения времени работы двух алгоритмов умножения, проведем несколько бенчмарков
|
|||
|
|
|
|||
|
|
Для матриц размерностью 100x100, 300x300, 500x500, для параллельного алгоритма дополнительно для каждого введенного количества потоков (4, 16, 32)
|
|||
|
|
|
|||
|
|
Результаты бенчмаркинга для последовательного способа матриц различной размерности:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результаты бенчмаркинга для параллельного способа матриц различной размерности с количеством потоков равном 4:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результаты бенчмаркинга для параллельного способа матриц различной размерности с количеством потоков равном 16:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результаты бенчмаркинга для параллельного способа матриц различной размерности с количеством потоков равном 32:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
# Вывод
|
|||
|
|
|
|||
|
|
С использованием параллельного алгоритма скорость обработки существенно увеличивается, особенно при большой размерности матрицы.
|
|||
|
|
В данном примере оптимальная скорость достигается при количестве потоков равном 16.
|