使用intel oneAPI实现并行矩阵乘法

本次实验编写了一个基于oneAPI的C++/SYCL程序来执行矩阵乘法操作。考虑了大尺寸矩阵的乘法操作和不同线程之间的数据依赖关系，实现了并行矩阵乘法。本文基于intel DevCloud平台完成。

一、熟悉Intel DevCloud开发环境

Intel DevCloud 专门为边缘计算设计的云开发平台，开发者可基于平台开发应用程序，构建容器，部署应用，监测设备运行，最终完成产品上市前的性能评估和硬件选型。在官方网站初次注册后，就可以获得120天的免费云计算资源。

本次实验使用JupyterLab 环境开发。
Intel提供了如下计算资源：

二、编写调试代码，得出结果

此次实验的任务是将五个矩阵依次并行乘法计算后得出计算结果，五个矩阵文件分别是matrix0.txt，matrix1.txt，matrix2.txt，matrix3.txt，matrix4.txt。这五个矩阵的行列都小于128x128，故使用128x128的矩阵即可解决五个矩阵行列不整齐的问题。

#include <CL/sycl.hpp>
#include <iostream>

constexpr size_t N = 128;

int main() {
    std::vector<double> matrixA(N * N, 0.0f);
    std::vector<double> matrixB(N * N, 0.0f);
    std::vector<double> matrixC(N * N, 0.0f);
    for (int i = 0; i < 4; i++) { //进行四次矩阵乘法
        if (i == 0) {
            std::ifstream in1("matrix0.txt"); //读入矩阵
            if(!in1) {
                std::cerr<<"Failed to open file."<<"\n";
                exit(1);
            }
            std::string line;
            int ff = 0;
            while(std::getline(in1, line)) {
                std::stringstream ss(line);
                int temp = ff;
                while(ss) {
                    ss >> matrixA[temp];
                    temp++;
                }
                ff += N;
            }
        }
        std::string file = "matrix" + std::to_string(i+1) + ".txt"; //读入矩阵
        std::ifstream in2(file);
        if(!in2) {
            std::cerr<<"Failed to open file."<<"\n";
            exit(1);
        }
        std::string line;
        int ff = 0;
        while(std::getline(in2, line)) {
            std::stringstream ss(line);
            int temp = ff;
            while(ss) {
                ss >> matrixB[temp];
                temp++;
            }
            ff += N;
        }
        try {
              sycl::queue myQueue;
              sycl::range<2> size(N, N);

              sycl::buffer<double, 2> bufferA(matrixA.data(), size);
              sycl::buffer<double, 2> bufferB(matrixB.data(), size);
              sycl::buffer<double, 2> bufferC(matrixC.data(), size);

              myQueue.submit([&](sycl::handler& cgh) {
                  auto accessorA = bufferA.get_access<sycl::access::mode::read>(cgh);
                  auto accessorB = bufferB.get_access<sycl::access::mode::read>(cgh);
                  auto accessorC = bufferC.get_access<sycl::access::mode::write>(cgh);

                  cgh.parallel_for<class MatrixMultiply>(size, [=](sycl::id<2> idx) {
                      double sum = 0.0f;
                      for (int k = 0; k < N; ++k) {
                          sum += accessorA[idx[0]][k] * accessorB[k][idx[1]];
                      }
                      accessorC[idx] = sum;
                  });
              });

            myQueue.wait();
        } catch (sycl::exception const& e) {
            std::cerr << "An exception occurred: " << e.what() << std::endl;
            return 1;
        }
        matrixB = matrixC;
  
    }
  
    // 打印结果
    for (size_t i = 0; i < 66; ++i) {
        for (size_t j = 0; j < 54; ++j) {
          std::cout << matrixC[i * N + j] << " ";
        }
        std::cout << std::endl;
    }

    return 0;
}

打开Terminal终端

切换到相应文件夹后，使用icpx -fsycl dpc.cpp -o dpc编译dpc.cpp文件，得到dpc后执行得到结果矩阵，共66行54列。

三、总结

本次实验使用oneAPI的sycl库实现了并行矩阵乘法，同时Intel DevCloud提供了裸机开发环境和容器化开发环境。登录平台后不需要对环境做任何配置，即可使用浏览器随时访问Intel DevCloud上的教程和参考实例，无需考虑软硬件兼容问题，可以把更多精力用于自己应用程序的开发，提供了高效便捷的开发环境。