英特尔 oneAPI 黑客松

最新推荐文章于 2024-10-05 11:02:16 发布
最新推荐文章于 2024-10-05 11:02:16 发布
阅读量72 收藏
点赞数 1
文章标签： oneapi 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Naweizhw/article/details/132695280
版权

英特尔 oneAPI 黑客松

文章目录

快速傅里叶变换

快速傅里叶变换（Fast Fourier Transform, FFT），是快速计算序列的离散傅里叶变换（DFT）或其逆变换的方法。FFT 能够将计算 DFT 的复杂度从𝑂(𝑛2)降低到 𝑂(𝑛𝑙𝑜𝑔(𝑛))，其中𝑛为数据大小。
  FFT 算法的关键思想是利用信号的对称性和周期性，通过分而治之的策略来加速傅里叶变换的计算，从而大幅提高了计算率。通过将信号分解成多个子信号，然后逐步合并子信号的频谱，从而实现对整体频谱的计算。

使用oneMKL对FFT进行加速和优化

Intel oneMKL（Intel oneAPI Math Kernel Library）是一款高性能数学核心库，旨在为开发人员提供丰富的数学函数和优化算法，以加速各种科学、工程和数据分析应用的性能。oneMKL 是 Intel oneAPI 套件的一部分，适用于多种硬件架构，包括 Intel CPU、GPU 以及其他加速器。

问题简介

  1. 调用 oneMKL 相应 API 函数， 产生 2048 * 2048 个 随机单精度实数()；
  2. 根据 1 产生的随机数据作为输入，实现两维 Real to complex FFT 参考代码；
  3. 根据 1 产生的随机数据作为输入， 调用 oneMKL API 计算两维 Real to complex FFT；
  4. 结果正确性验证，对 2 和 3 计算的两维 FFT 输出数据进行全数据比对（允许适当精度误差）， 输出 “结果正确”或“结果不正确”信息；
  5. 平均性能数据比对（比如运行 1000 次），输出 FFT 参考代码平均运行时间和 oneMKL FFT 平均运行时间。

环境准备

参考Linux下Intel编译器oneAPI安装和链接MKL库编译_intel mkl 编译_XianJiaoMu的博客-CSDN博客这篇博客，在linux下安装最新版的MKL库，同时安装HPC toolkit，HPC包含C/C++ 和 Fortran的编译器。

实验代码

  1. 首先需要首先需要产生 2048 * 2048 个 随机单精度实数，可以通过调用oneMKL的随机数生成器vslNewStream生成
        float *input = (float*)malloc(width * height * sizeof(float));

        //生成单精度随机数
        VSLStreamStatePtr stream;
        vslNewStream(&stream, VSL_BRNG_MT19937, 1010);
        vsRngUniform(VSL_RNG_METHOD_UNIFORM_STD, stream, width * height, input, 0.0f, 1.0f);
  1. 然后调用fftw3.h中fftw3库的api创建fftw计划，并计算FFT变换的结果，同时记录一次计算所需的时间
 //FFTW输出数据
        fftwf_complex* fftw3_output = (fftwf_complex*)fftwf_malloc((width / 2 + 1) * height * sizeof(fftwf_complex));
        //创建FFTW计划
        fftwf_plan fftw3_plan = fftwf_plan_dft_r2c_2d(width, height, input, fftw3_output, FFTW_ESTIMATE);
        
        //fftw3计算
        struct timespec fftw3_start_time, fftw3_end_time;
        clock_gettime(CLOCK_MONOTONIC, &fftw3_start_time);
        fftwf_execute(fftw3_plan);
        clock_gettime(CLOCK_MONOTONIC, &fftw3_end_time);
        // 计算运行时间，单位为纳秒
        fftw3_time += (fftw3_end_time.tv_sec - fftw3_start_time.tv_sec) * 1000000000LL + (fftw3_end_time.tv_nsec - fftw3_start_time.tv_nsec);
  1. 接着调用 oneMKL API ，创建 oneMKL描述符，计算FFT变换的结果，同时记录一次计算所需的时间
//MKL输出数据
        MKL_LONG dim_sizes[2] = {width, height};
        MKL_Complex8* mkl_output = (MKL_Complex8*)malloc((width / 2 + 1) * height * sizeof(MKL_Complex8));
        //设置步长
        MKL_LONG input_stride[3] = {0, width, 1 };
        MKL_LONG output_stride[3] = {0, width / 2 + 1, 1};
        //设置oneMKL参数
        DFTI_DESCRIPTOR_HANDLE handle = NULL;
        DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, dim_sizes);
        DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE); //设置非原地变换
        DftiSetValue(handle, DFTI_CONJUGATE_EVEN_STORAGE, DFTI_COMPLEX_COMPLEX); //设置共轭存储
        DftiSetValue(handle, DFTI_INPUT_STRIDES, input_stride);
        DftiSetValue(handle, DFTI_OUTPUT_STRIDES, output_stride);
        DftiCommitDescriptor(handle);

        //oneMKL计算
        struct timespec mkl_start_time, mkl_end_time;
        clock_gettime(CLOCK_MONOTONIC, &mkl_start_time);
        DftiComputeForward(handle, input, mkl_output);
        clock_gettime(CLOCK_MONOTONIC, &mkl_end_time);
        mkl_time += (mkl_end_time.tv_sec - mkl_start_time.tv_sec) * 1000000000LL + (mkl_end_time.tv_nsec - mkl_start_time.tv_nsec);
  1. 对使用fftw和oneMKL的输出进行比对，设定的精度误差允许范围为1e-6，分别比较二者计算FFT后的复数的实部和虚部之间的差异，超过该误差则认为结果不正确，全部在误差允许范围内则认为计算正确。
        //比较不同计算方法结果
        int notmatch_count = 0;
        for(int j = 0; j < (width / 2 + 1) * height; j++){
            float real_diff = fabs(fftw3_output[j][0] - mkl_output[j].real);
            float imag_diff = fabs(fftw3_output[j][1] - mkl_output[j].imag);
            if(real_diff > 1e-6 || imag_diff > 1e-6){
                notmatch_count++;
            }
        }

        if(notmatch_count > 0){
            printf("第%d轮计算结果不正确! %d \n", i, notmatch_count);
            not_correct_count++;
        }
  1. 设定循环运行一千次，比较平均运行时间，注意每轮循环结束时需要先释放资源
           //释放资源
           fftwf_destroy_plan(fftw3_plan);
           fftwf_free(fftw3_output);
           DftiFreeDescriptor(&handle);
           free(input);
           free(mkl_output);

完整代码如下：

#include<stdio.h>
#include <fftw3.h>
#include <mkl.h>
#include <time.h>
#include <math.h>

int main(){
    int width = 2048; //输入数据的宽度
    int height = 2048; //输入数据的高度
    long long fftw3_time = 0;
    long long mkl_time = 0;
    int iteration = 1000;
    int not_correct_count = 0;
    
    //运行1000次
    for(int i = 0; i < iteration; i++){
        float *input = (float*)malloc(width * height * sizeof(float));

        //生成单精度随机数
        VSLStreamStatePtr stream;
        vslNewStream(&stream, VSL_BRNG_MT19937, 1010);
        vsRngUniform(VSL_RNG_METHOD_UNIFORM_STD, stream, width * height, input, 0.0f, 1.0f);
        
        //FFTW输出数据
        fftwf_complex* fftw3_output = (fftwf_complex*)fftwf_malloc((width / 2 + 1) * height * sizeof(fftwf_complex));
        //创建FFTW计划
        fftwf_plan fftw3_plan = fftwf_plan_dft_r2c_2d(width, height, input, fftw3_output, FFTW_ESTIMATE);
        
        //fftw3计算
        struct timespec fftw3_start_time, fftw3_end_time;
        clock_gettime(CLOCK_MONOTONIC, &fftw3_start_time);
        fftwf_execute(fftw3_plan);
        clock_gettime(CLOCK_MONOTONIC, &fftw3_end_time);
        // 计算运行时间，单位为纳秒
        fftw3_time += (fftw3_end_time.tv_sec - fftw3_start_time.tv_sec) * 1000000000LL + (fftw3_end_time.tv_nsec - fftw3_start_time.tv_nsec);

        //MKL输出数据
        MKL_LONG dim_sizes[2] = {width, height};
        MKL_Complex8* mkl_output = (MKL_Complex8*)malloc((width / 2 + 1) * height * sizeof(MKL_Complex8));
        //设置步长
        MKL_LONG input_stride[3] = {0, width, 1 };
        MKL_LONG output_stride[3] = {0, width / 2 + 1, 1};
        //设置oneMKL参数
        DFTI_DESCRIPTOR_HANDLE handle = NULL;
        DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, dim_sizes);
        DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE); //设置非原地变换
        DftiSetValue(handle, DFTI_CONJUGATE_EVEN_STORAGE, DFTI_COMPLEX_COMPLEX); //设置共轭存储
        DftiSetValue(handle, DFTI_INPUT_STRIDES, input_stride);
        DftiSetValue(handle, DFTI_OUTPUT_STRIDES, output_stride);
        DftiCommitDescriptor(handle);

        //oneMKL计算
        struct timespec mkl_start_time, mkl_end_time;
        clock_gettime(CLOCK_MONOTONIC, &mkl_start_time);
        DftiComputeForward(handle, input, mkl_output);
        clock_gettime(CLOCK_MONOTONIC, &mkl_end_time);
        mkl_time += (mkl_end_time.tv_sec - mkl_start_time.tv_sec) * 1000000000LL + (mkl_end_time.tv_nsec - mkl_start_time.tv_nsec);
        
        //比较不同计算方法结果
        int notmatch_count = 0;
        for(int j = 0; j < (width / 2 + 1) * height; j++){
            float real_diff = fabs(fftw3_output[j][0] - mkl_output[j].real);
            float imag_diff = fabs(fftw3_output[j][1] - mkl_output[j].imag);
            if(real_diff > 1e-6 || imag_diff > 1e-6){
                notmatch_count++;
            }
        }

        if(notmatch_count > 0){
            printf("第%d轮计算结果不正确! %d \n", i, notmatch_count);
            not_correct_count++;
        }
        
        //释放资源
        fftwf_destroy_plan(fftw3_plan);
        fftwf_free(fftw3_output);
        DftiFreeDescriptor(&handle);
        free(input);
        free(mkl_output);
    }
    
    if(not_correct_count == 0){
        printf("%d轮计算结果全部正确\n", iteration);
    }
    printf("FFTW3  FFT 平均运行时间：%lld 纳秒\n", fftw3_time / iteration);
    printf("OneMKL FFT 平均运行时间：%lld 纳秒\n", mkl_time / iteration);
}

测试步骤

测试步骤

  1. 编译链接

    使用命令生成可执行文件fft

     icc -qmkl fft.c -o fft

  2. 运行

    使用命令运行可执行文件fft，得到实验结果

    ./ fft

实验结果

请添加图片描述

感受

这次是我第一次了解到Intel的oneMKL库，使用下来感觉相较于其他的API上手简单，环境配置方便，相关文档也十分详细，使用者能够很快上手，同时其对于底层硬件和算法的优化，使得其具有很高的性能优势，以后在涉及到高性能数学计算时会优先考虑使用。

Naweizhw
关注
赋能开发者，英特尔发布oneAPI 2022工具包
CSDN云计算
12-27 442
英特尔发布了oneAPI 2022工具包。此次发布的最新增强版工具包扩展了跨架构开发的特性，为开发者提供更强的实用性和更丰富的架构选择，用以加速计算。 英特尔公司首席技术官、高级副总裁、软件和先进技术事业部总经理 Greg Lavender表示：“我十分敬佩oneAPI软件工程团队所完成的900多项技术改进，这些技术改进加速了关键应用工作负载在英特尔的客户端和服务器CPU和GPU上的开发时间和性能。深度技术创新的丰富oneAPI套组符合关键的行业标准，让应用程序开发者能获得从云到边缘更出色的...
CentOS7编译安装gromacs-2022.3+GPU+ONEAPI
sai35的博客
11-08 3257
Centos7 Gromacs 2022.3 CPU/GPU版本 编译安装
ABAQUS2020+Fotran2021+VisualStudio2019设置关联
ruthlesslrx的博客
08-06 5763
VisualStudio 官方网站下载就行https://visualstudio.microsoft.com/zh-hans/ 安装这一个就够了 如果有需要就再装一个Python ABAQUS安装2020版本 百度网盘： 链接：https://pan.baidu.com/s/1yRDF_iB1v5CKRJP9JUDKjg 提取码：97qw 安装教程： https://wenku.baidu.com/view/c5cab652f8d6195f312b3169a45177232f...
东方杯英特尔oneAPI黑客松大赛经验分享
Lamourrr
08-30 145
oneMKL是英特尔推出的一款数学核心库，旨在提供高性能的数学函数和操作，以加速数据科学、科学计算、机器学习等领域的应用程序。它是英特尔oneAPI跨架构开发工具套件的一部分，支持在不同硬件加速器（如CPU、GPU、FPGA等）上实现高性能的数学计算。本次“东方杯英特尔oneAPI黑客松大赛”赛题为使用oneMKL工具，对FFT算法进行加速与优化，下面是对于本次赛题以及oneMKL的使用经验分享。
英特尔 oneAPI 黑客松 —— 使用oneMKL加速FFT
2301_79551349的博客
08-30 184
OneMKL提供的优化的FFT实现，能够快速高效地处理大规模数据集。傅里叶变换（Fourier Transform，简称FT）是⼀种线性积分变换，⽤于函数（应用上称作“信号”）在时域和频域之间的变换。快速傅里叶变换（Fast Fourier Transform, FFT），是快速计算序列的离散傅里叶变换（DFT）或其逆变换的方法。离散傅里叶变换（Discrete Fourier Transform，简称DFT），是傅里叶变换在时域和频域上都离散的形式，将信号的时域采样变换为频域采样。是原函数的傅里叶变换,
英特尔oneAPI黑客松大赛—参赛经验分享
CUGB_Hanhan的博客
09-01 138
本次比赛为命题形式，题目要求如下：（1）、使用oneMKl工具生成2048*2048随机单精度实数；（2）、根据产生的随机数据作为输入，实现两维 Real to complex FFT 参考代码；（3）、根据产生的随机数据作为输入， 调用 oneMKL API 计算两维 Real to complex FFT；（4）、 结果正确性验证；（5）、平均性能数据比对；oneMKL（oneAPI Math Kernel Library）是英特尔（Intel）为加速数学库开发的一个子项目。
“东方杯”英特尔oneAPI黑客松大赛—参赛经验分享
Crayonxin2000的博客
08-28 339
本文主要是关于参加“东方杯”oneAPI黑客松大赛的赛后经验分享，贴了一些简单的代码供各位兄弟们一同交流。不得不说，oneMKL加速效果一级棒，
“东方杯”英特尔oneAPI黑客松参赛经验总结
qq_51208771的博客
08-31 82
本次是我第一次使用oneAPI数学内核库（oneMKL）接口，该比赛内容主要是调用oneMKL相关接口实现2D、FFT变换等，难度不高但要花一定的时间去查阅示例代码与环境配置。虽然只是简单的FFT并没有特别深入了解，但已经初步体会到oneMKL对英特尔处理器架构的能够充分利用的特性。综上所述，oneMKL是一款功能强大、易于使用、性能卓越的数学库，对于需要进行计算密集型任务的用户来说是一款值得推荐的工具。
英特尔oneAPI黑客松比赛心得交流
qq_37406886的博客
09-05 116
本文记录笔者参加英特尔oneAPI黑客松比赛的环境调试、代码编写、结果分析及参赛心得。
英特尔oneAPI黑客松-FFT算法的加速与优化
08-31
“英特尔oneAPI黑客松-FFT算法的加速与优化”指的是一个与英特尔oneAPI相关的编程竞赛，重点在于使用快速傅里叶变换（FFT）算法，并对其进行性能提升和优化。在这个活动中，参赛者可能需要利用英特尔的工具和技术来...
英特尔oneAPI校园黑客松竞赛主题一“自动驾驶车辆的对象检测”解决方案源码+项目说明.zip
01-14
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的竞赛项目...英特尔oneAPI校园黑客松竞赛主题一“自动驾驶车辆的对象检测”解决方案源码+项目说明.zip
oneAPI人工智能黑客松
weixin_62100203的博客
06-25 251
Alpaca-Lora 则是利用 Lora 技术，在冻结原模型 LLaMA 参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数。通过最新的功能优化扩展了 PyTorch，优化利用英特尔 CPU 上的 AVX-512 矢量神经网络指令 (AVX512 VNNI) 和英特尔® 高级矩阵扩展 (英特尔® AMX) 以及英特尔独立 GPU 上的英特尔 Xe 矩阵扩展 (XMX) AI 引擎，从而进一步提升了英特尔硬件的性能。通过使用OneAPI的IPEX扩展，推理时间大约能减少12%。
OneAPI配置自己的令牌并实现python调用
weixin_57925958的博客
08-13 523
5、渠道配置完成后可以在渠道页面查看，点击图中测试，可以进行渠道测试，判断渠道是否搭建成功。1、登录OneAPI账户（初始账户密码为 账号：root 密码：123456）4、OneAPI支持多家厂商进行渠道配置，选择不同厂商就可以调用对应大模型。6、获取 OneAPI 令牌，点击网页令牌，进入令牌页面。3、点击网页渠道 可以配置自己大模型的渠道。8、Python 调用 搭建好OneAPI。2、第一次登录会提示修改密码。7、创建 自己的令牌。
【理论科学与实践技术】数学与经济管理中的学科与实用算法
wnm23的专栏
10-02 798
在现代商业环境中，数学与经济管理的结合为企业提供了强大的决策支持。本文将介绍几个主要学科，包括数学基础、经济学模型、管理学及风险管理，并探讨相关的实用算法和这些算法在中国及全球知名企业中的实际应用。
＜使用生成式AI对四种冒泡排序实现形式分析解释的探讨整理＞
m0_57859086的博客
10-01 1225
/冒泡排序实现1——不常用（这个版本两层for循环分别是i++、j++）// 声明三个整型变量i、j和temp用于循环控制和交换元素for (i = 0;i < n - 1;i++) { // 外层循环，从数组的第一个元素开始遍历到倒数第二个元素j < n;j++) { // 内层循环，从当前外层循环位置的下一个元素开始遍历到最后一个元素if (A[i] > A[j]) { // 如果当前元素大于下一个元素// 将当前元素存储到临时变量temp中// 将下一个元素赋值给当前元素。
【韩顺平Java笔记】第6章：数组、排序和查找
随手写写
10-02 796
排序是将多个数据，依指定的顺序进行排列的过程。
【算法】---归并排序（递归非递归实现）
何春秋的博客
10-03 1151
归并排序 in Java
代码随想录 101. 孤岛的总面积
最新发布
qq_53524614的博客
10-05 265
dfs版本，在之前求总面积的基础上增加了判断是否有有边缘位置元素的部分，所以增加了一个notEdge变量，在遇到边缘元素时标记为0，以使所有输出均变为0，此外需要注意，即使遇到了边缘元素也需要先将所有陆地遍历并在visit上标记。毕竟做人需要有始有终）bfs的版本，bfs不需要做递归回溯，所以函数的变量还是不变，只需要在内部增加一个标记是否有边缘元素的变量即可。
英特尔oneAPI黑客松：FFT算法优化实践指南
资源摘要信息:"英特尔oneAPI黑客松-FFT算法的加速与优化" 知识点概述： 本次黑客松活动的核心目标是对快速傅里叶变换（Fast Fourier Transform，FFT）算法进行加速与优化，特别是利用英特尔的oneAPI工具套件来实现...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值