东方杯英特尔oneAPI黑客松大赛经验分享

Lamourrr_

已于 2023-09-03 10:20:25 修改

阅读量145

点赞数 2

文章标签： c语言 oneapi github 傅立叶分析

于 2023-08-30 23:42:07 首次发布

本文链接：https://blog.csdn.net/m0_67378808/article/details/132571099

版权

文章目录

前言
一、题目要求
二、配置环境
三、程序实现
四、运行结果
总结

前言

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。

完整代码链接：github

一、题目要求

配置oneMKL环境
调用oneMKL 相应 API函数，产生 2048 * 2048 个随机单精度实数
根据2产生的随机数据作为输入，实现两维Real to complex FFT参考代码
根据2产生的随机数据作为输入，调用 oneMKL API 计算两维Real to complex FFT
结果正确性验证，对3和4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
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

二、配置环境

1.下载安装VS2022

在VS官网下载安装VS2022

2.下载安装intel oneMKL

进入intel oneMKL官网下载安装oneMKL
在这里插入图片描述

选择操作系统和发行版本（我们使用的是Windows系统）
在这里插入图片描述

不想注册可选以下选项直接下载
在这里插入图片描述

下载完打开安装包，点击Extrat安装product package
在这里插入图片描述

选Continue进行oneMKL安装
在这里插入图片描述

点击Customize以定义安装位置
在这里插入图片描述

左下角选择安装位置（一定要记住你的安装位置，复制下来后面配置要用）
在这里插入图片描述

选择MKL库和VS版本安装
在这里插入图片描述

点击Finish安装完成
在这里插入图片描述

3. 配置VS2022的环境

打开 Visual Studio2022，打开属性管理器。（属性管理器在视图-其他窗口）。打开后右上角出现下图
在这里插入图片描述

鼠标右键Debug | x64添加新项目属性表
在这里插入图片描述

双击新建的MKL属性表，打开属性
在这里插入图片描述

在 Intel Libraries for oneAPI 中把 Use oneMKL 设置成 Parallel
在这里插入图片描述

在 VC++目录中进行三项设置（具体根据你自己安装oneMKL的位置来设置，上面复制有可直接粘贴）

可执行文件目录：(安装位置)\mkl\2023.1.0\bin\intel64
包含目录：(安装位置)\mkl\2023.1.0\include
库目录(两个)：(安装位置)\mkl\2023.1.0\lib\intel64
(安装位置)\compiler\2023.1.0\windows\compiler\lib\intel64_win

在链接器-输入中添加附加依赖项，根据电脑不同配置，选择不同依赖项。（我们用的是64位，Link： mkl_intel_ilp64.lib mkl_intel_thread.lib mkl_core.lib libiomp5md.lib）
选择地址：https://www.intel.com/content/www/us/en/developer/tools/oneapi/onemkl-link-line-advisor.html#gs.4geua1
在这里插入图片描述

在Windows系统搜索框中搜索 “编辑系统环境变量”，打开，弹出系统属性
在这里插入图片描述

点击环境变量，在系统变量中，选择 Path 变量，双击进入编辑环境变量，点击新建，将路径：(安装oneMKL位置)\mkl\2023.1.0\redist\intel64 添加入系统变量
在这里插入图片描述

到此，环境配置完成。
参考文章：https://blog.csdn.net/m0_63111108/article/details/124734432

三、程序实现

1.随机数生成

随机数生成器类型：VSL_BRNG_MT19937
VSL_BRNG_MT19937 用于生成基于 Mersenne Twister 算法的随机数序列。通过选择不同的种子值，可以生成不同的随机数序列。

float Radomnumber(float* arr, int SEED)
{
	//mkl生成随机数
	VSLStreamStatePtr stream; // 随机数流对象
	// 初始化随机数流对象
	vslNewStream(&stream, BRNG, SEED);
	// 生成随机数并存储到矩阵中
	vsRngUniform(VSL_RNG_METHOD_UNIFORMBITS32_STD, stream, n * n, arr, 0.0, 1.0);
	return (*arr);
	free(arr);
	vslDeleteStream(&stream);
}

2.fftw3计算两维Real to complex

//fftw进行FFT
fftwf_complex* out = (fftwf_complex*)fftw_malloc(sizeof(fftwf_complex) * n * (n / 2 + 1));
fftwf_plan p = fftwf_plan_dft_r2c_2d(n, n, datain, out, FFTW_ESTIMATE);    // 创建变换方案
//计算运行时间
start1[i] = clock();
fftwf_execute(p);  // 执行变换
end1[i] = clock();

3.oneMKL FFT计算Real to complex

//mkl进行FFT
MKL_LONG N[2] = { n, n };
MKL_LONG status = 0;
MKL_Complex8* dataout = NULL;
MKL_LONG rs[3] = { 0, n, 1 };
MKL_LONG cs[3] = { 0, n / 2 + 1, 1 };
DFTI_DESCRIPTOR_HANDLE hand = NULL;

status = DftiCreateDescriptor(&hand, DFTI_SINGLE, DFTI_REAL, 2, N);
status = DftiSetValue(hand, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
status = DftiSetValue(hand, DFTI_CONJUGATE_EVEN_STORAGE, DFTI_COMPLEX_COMPLEX);
status = DftiSetValue(hand, DFTI_INPUT_STRIDES, rs);
status = DftiSetValue(hand, DFTI_OUTPUT_STRIDES, cs);
dataout = (MKL_Complex8*)mkl_malloc(n * (n / 2 + 1) * sizeof(MKL_Complex8), 64);
status = DftiCommitDescriptor(hand);
//计算运行时间
start2[i] = clock();
status = DftiComputeForward(hand, datain, dataout);
end2[i] = clock();

status = DftiFreeDescriptor(&hand);

4.结果正确性验证

对fftw3与oneMKL FFT计算结果进行实部与虚部对比，计算两种方法做差所得到的绝对值是否满足所给misfit :1e-5

//结果正确性验证
for (int j = 0; j < n; j++)
{
	for (int k = 0; k < n / 2 + 1; k++)
	{
		float s1, s2;
		s1 = fabs(dataout[j * (n / 2 + 1) + k].real - out[j * (n / 2 + 1) + k][0]);
		s2 = fabs(dataout[j * (n / 2 + 1) + k].imag - out[j * (n / 2 + 1) + k][1]);
		if (s1 <= misft && s2 <= misft) s[i] = 1;
		else s[i] = 0;
	}
}

5.计算平均运行时间

注意事项：以上两种方法均只对执行变换过程统计时间

T1 = temp1 / m;
printf("fftw3平均运行的时间是%f ms\n", T1);
T2 = temp2 / m;
printf("mkl平均运行的时间是%lf ms\n", T2);

6.销毁变换方案并释放内存

每次循环结束前及时销毁变换方案并释放内存

// 销毁变换方案并释放内存空间
fftwf_destroy_plan(p);
fftwf_free(out);
mkl_free(dataout);
free(datain);

四、运行结果

该运行结果为循环100次计算得到的平均运行时间
可见对比误差在1e-5之内，oneMKL FFT算法运算结果是正确的，并且运行速度约为fftw3算法的3倍
在这里插入图片描述

总结

使用oneMKL FFT计算傅里叶变换的优点:

高性能优化： oneMKL 中的 FFT 函数经过了高度优化，可以充分利用底层硬件资源，例如多核 CPU、GPU 等，以实现最佳性能。
支持多维和多通道数据： oneMKL 的 FFT 函数支持多维和多通道的数据变换。这对于处理图像、视频和其他多通道信号非常有用。
支持不同的数据精度： oneMKL 提供了多种数据精度的 FFT 函数
支持多种变换类型： oneMKL 可实现正向和反向变换，以及各种维度的变换。
oneMKL工具对FFT算法的加速与优化效果明显，后续我也将运用oneMKL工具对实际数学工程问题进行加速与优化。