本文链接：https://blog.csdn.net/crayonxin2000/article/details/132501807

前言

1、大赛要求

本次比赛为命题形式，题目要求如下：

使用oneMKl工具生成2048*2048随机单精度实数
使用FFT算法实现实数到复数的快速傅里叶变换
使用oneMKL加速计算实数到复数的快速傅里叶变换
对比上面两种快速傅里叶变换的精度、性能

2、oneMKL介绍

oneMKL（oneAPI Math Kernel Library）是oneAPI包含的一种数学工具，能对各种数据工程问题实现加速与优化。
oneAPI官网：oneAPI
oneMKL官网：oneMKL
oenMKL对C语言的API文档：oneMKL—C语言参考文档

3、准备

Ubuntu系统
C++基础
oneMKL

由于题目比较简单，不需要很复杂的编译方法，上手简单。使用onelMKL工具的话，你的电脑的CPU最好是intel的。而且推荐使用linux系统，加速效果明显。

oneMKL基本使用

oneMKL下载网址：oneMKL下载

注意要使用离线版本安装，如果你使用的是为window的话，使用在线版本的方式安装。
在这里插入图片描述

1、下载：

一定要注意下载的是oneMKl_baseKit，不能仅仅下载MKL工具包

wget https://registrationcenter-download.intel.com/akdlm/IRC_NAS/992857b9-624c-45de-9701-f6445d845359/l_BaseKit_p_2023.2.0.49397_offline.sh

2、安装：

sudo sh ./l_BaseKit_p_2023.2.0.49397_offline.sh

默认安装目录：/opt/intel/oneapi

3、初始化oneMKL环境：

source /opt/intel/oneapi/setvars.sh

可以将这条命令放到~/bashrc文件内并激活，这样不用每次启动一个终端都初始化了。

4、编译代码

icpx -qmkl my.cpp -o my.out

注意其中的-qmkl是比较方便的也是不容易出错的动态库链接参数，它是把关于oneMKL的所有动态库都链上了，懒人必备。

5、运行

./my.out

直接把编译好的运行就可。

所需的头文件

#include <chrono> // 计算程序运行时间
#include <iostream>
#include <stdio.h>
#include <math.h>
#include <mkl.h> // onemkl工具包
#include "fftw3.h" // fftw3，onemkl自带，使用fftw3来对比经过oneMKL加速过的fft
using namespace std;

使用oneMKL工具生成随机数

#define ROW 2048
#define COL 2048
float *data = (float *)malloc((ROW * COL) * sizeof(float));
VSLStreamStatePtr stream;
vslNewStream(&stream, VSL_BRNG_MT19937, 42); // 42是随机数种子
vsRngUniform(VSL_RNG_METHOD_UNIFORM_STD, stream, ROW * COL, data, 0.0f, 1.0f); // 生成0到1之间的随机数
vslDeleteStream(&stream);

使用fftw3计算FFT

void fftw3(float *data, MKL_Complex8 *x)
{
    fftwf_plan r2c;
    r2c = fftwf_plan_dft_r2c_2d(ROW, COL, data, (fftwf_complex *)x, FFTW_ESTIMATE);
    fftwf_execute(r2c);
    fftwf_destroy_plan(r2c);
}

// 开辟内存空间，存储普通FFT计算的结果
MKL_Complex8 *x = (MKL_Complex8 *)malloc(ROW * (COL / 2 + 1) * 2 * sizeof(float));
fftw3(data, x);

注意给x开的空间是：ROW * (COL / 2 + 1) * 2 * sizeof(float)，

调用oneMKL API加速计算FFT

void r2c_oneMKL(float *data, MKL_Complex8 *y)
{
    MKL_LONG status;
    MKL_LONG dim_sizes[2] = {ROW, COL};
    DFTI_DESCRIPTOR_HANDLE handle;
    status = DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, dim_sizes);
    status = DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE); // 不覆盖data
    status = DftiSetValue(handle, DFTI_CONJUGATE_EVEN_STORAGE, DFTI_COMPLEX_COMPLEX);
    status = DftiCommitDescriptor(handle);
    status = DftiComputeForward(handle, data, y);
    DftiFreeDescriptor(&handle);
}

// 开辟空间，存储oneMKL API FFT计算的结果
MKL_Complex8 *y = (MKL_Complex8 *)malloc(ROW * COL * 2 * sizeof(float));
r2c_oneMKL(data, y);

注意，要多给y多开点内存空间，乘以2是因为有实部和虚部

对比两种方法的准确性

对比的时候要对比实部和虚部

void compare_results(MKL_Complex8 *x, MKL_Complex8 *y)
{
    bool is_same=true;
    // 实部对比
    for (int i = 0; i < ROW; i++)
    {
        for (int j = 0; j < (COL / 2 + 1); j++)
        {
            // cout << x[i*(ROW/2+1)+j].real<< "   ";
            // cout << y[i*(COL)+j].real<< "   ";
            // 实部一个一个比较：
            if (x[i * (COL / 2 + 1) + j].real - y[i * (COL) + j].real > 1e-6)
            {
               is_same=false;
               break;
            }
        }
    }
    if (is_same){
        cout<<"实部："<<"结果正确"<<endl;
    }else{
        cout<<"实部："<<"结果不正确"<<endl;
    }
    // 虚部对比
    is_same=true;
    for (int i = 0; i < ROW; i++)
    {
        for (int j = 0; j < (COL / 2 + 1); j++)
        {
            // 虚部一个一个比较：
            if (x[i * (COL / 2 + 1) + j].imag - y[i * (COL) + j].imag > 1e-6)
            {
               is_same=false;
               break;
            }
        }
    }
    if (is_same){
        cout<<"虚部："<<"结果正确"<<endl;
    }else{
        cout<<"虚部："<<"结果不正确"<<endl;
    }
}