“东方杯”英特尔oneAPI黑客松参赛经验总结

盐类水解

已于 2023-08-31 21:46:36 修改

阅读量80

点赞数 1

文章标签： oneapi

于 2023-08-31 21:45:41 首次发布

本文链接：https://blog.csdn.net/qq_51208771/article/details/132611552

版权

使用 oneMKL API 进行两维实数到复数的FFT计算（示例）

两维实数到复数的FFT实现（参考代码）

允许适当的精度误差下验证两个数组是否完全相等

完整代码

结果展示

结语

问题简介

调用 oneMKL 相应 API 函数，产生 2048 * 2048 个随机单精度实数()；
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；
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；
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；
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。

oneMKL介绍

oneMKL是英特尔发布的数学内核库，提供了高性能的线性代数、FFT和随机数生成等数学函数。该库支持常见的CPU架构和操作系统，包括Windows、Linux和macOS等，能够充分利用Intel CPU的优势，提供了高效且灵活的API接口，方便用户进行编程。同时，oneMKL还提供了Python和MATLAB等语言的接口，为用户提供了更便捷的编程方式。总之，oneMKL是一个高效、灵活且易于使用的数学库，为科学计算和工程计算应用提供了强大的支持。

问题简单分析

调用oneMKL相应API函数产生随机数: 使用oneMKL库中的随机数生成函数，例如vdRngUniform，来生成指定行列数的随机单精度实数数组。
实现两维Real-to-Complex FFT参考代码: 首先，将输入数据按行进行一维FFT计算。然后，对每一列的一维FFT结果进行进一步的一维FFT计算，得到最终的二维FFT结果。
调用oneMKL API计算两维Real-to-Complex FFT结果正确性验证: 使用oneMKL库中的FFT函数，如cufftPlanMany和cufftExecC2R，根据生成的随机数据计算两维Real-to-Complex FFT的结果。
对两维FFT输出数据进行全数据比对: 将参考代码得到的二维FFT结果与oneMKL计算的二维FFT结果进行逐个元素比较。可以使用适当的误差范围来容忍小的数值误差。
平均性能数据比对: 分别运行1000次参考代码和oneMKL FFT计算，并记录每次运行的时间。计算平均运行时间并进行比较，即可得到平均性能数据比对结果

代码实现

生成随机数据

 float* inputData = new float[dataSize];
 generateRandomData(inputData, dataSize);

分配内存用于输出结果

MKL_Complex8* refOutput = new MKL_Complex8[dataSize];
MKL_Complex8* mklOutput = new MKL_Complex8[dataSize];

生成指定大小的随机单精度实数数组

void generateRandomData(float* data, int size) {
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_real_distribution<float> dis(-1.0f, 1.0f);

    for (int i = 0; i < size; i++) {
        data[i] = dis(gen);
    }
}

使用 oneMKL API 进行两维实数到复数的FFT计算（示例）

void mklFFT(float* input, MKL_Complex8* output, int size) {
    MKL_LONG status;

    DFTI_DESCRIPTOR_HANDLE handle;
    status = DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, size, size);
    if (status != 0) {
        std::cout << "创建oneMKL FFT描述符失败。" << std::endl;
        return;
    }

    status = DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
    if (status != 0) {
        std::cout << "设置oneMKL FFT的位置失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiCommitDescriptor(handle);
    if (status != 0) {
        std::cout << "提交oneMKL FFT描述符失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiComputeForward(handle, input, output);
    if (status != 0) {
        std::cout << "计算oneMKL FFT失败。" << std::endl;
    }

    DftiFreeDescriptor(&handle);
}

两维实数到复数的FFT实现（参考代码）

void referenceFFT(float* input, MKL_Complex8* output, int size) {
    DFTI_DESCRIPTOR_HANDLE handle;
    MKL_LONG status;

    status = DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, size, size);
    if (status != 0) {
        std::cout << "创建参考FFT描述符失败。" << std::endl;
        return;
    }

    status = DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
    if (status != 0) {
        std::cout << "设置参考FFT的位置失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiCommitDescriptor(handle);
    if (status != 0) {
        std::cout << "提交参考FFT描述符失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiComputeForward(handle, input, output);
    if (status != 0) {
        std::cout << "计算参考FFT失败。" << std::endl;
    }

    DftiFreeDescriptor(&handle);
}

允许适当的精度误差下验证两个数组是否完全相等

bool verifyResult(MKL_Complex8* refOutput, MKL_Complex8* mklOutput, int size) {
    float epsilon = 1e-6f; // 允许的精度误差

    for (int i = 0; i < size; i++) {
        float diffReal = std::abs(refOutput[i].real - mklOutput[i].real);
        float diffImag = std::abs(refOutput[i].imag - mklOutput[i].imag);

        if (diffReal > epsilon || diffImag > epsilon) {
            return false;
        }
    }

    return true;
}

完整代码

#include <iostream>
#include <random>
#include <chrono>
#include <cmath>
#include <mkl.h>

// 生成指定大小的随机单精度实数数组
void generateRandomData(float* data, int size) {
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_real_distribution<float> dis(-1.0f, 1.0f);

    for (int i = 0; i < size; i++) {
        data[i] = dis(gen);
    }
}

// 参考代码：两维实数到复数的FFT实现
void referenceFFT(float* input, MKL_Complex8* output, int size) {
    DFTI_DESCRIPTOR_HANDLE handle;
    MKL_LONG status;

    status = DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, size, size);
    if (status != 0) {
        std::cout << "创建参考FFT描述符失败。" << std::endl;
        return;
    }

    status = DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
    if (status != 0) {
        std::cout << "设置参考FFT的位置失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiCommitDescriptor(handle);
    if (status != 0) {
        std::cout << "提交参考FFT描述符失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiComputeForward(handle, input, output);
    if (status != 0) {
        std::cout << "计算参考FFT失败。" << std::endl;
    }

    DftiFreeDescriptor(&handle);
}

// 使用 oneMKL API 进行两维实数到复数的FFT计算
void mklFFT(float* input, MKL_Complex8* output, int size) {
    MKL_LONG status;

    DFTI_DESCRIPTOR_HANDLE handle;
    status = DftiCreateDescriptor(&handle, DFTI_SINGLE, DFTI_REAL, 2, size, size);
    if (status != 0) {
        std::cout << "创建oneMKL FFT描述符失败。" << std::endl;
        return;
    }

    status = DftiSetValue(handle, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
    if (status != 0) {
        std::cout << "设置oneMKL FFT的位置失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiCommitDescriptor(handle);
    if (status != 0) {
        std::cout << "提交oneMKL FFT描述符失败。" << std::endl;
        DftiFreeDescriptor(&handle);
        return;
    }

    status = DftiComputeForward(handle, input, output);
    if (status != 0) {
        std::cout << "计算oneMKL FFT失败。" << std::endl;
    }

    DftiFreeDescriptor(&handle);
}

// 验证两个数组是否完全相等（允许适当的精度误差）
bool verifyResult(MKL_Complex8* refOutput, MKL_Complex8* mklOutput, int size) {
    float epsilon = 1e-6f; // 允许的精度误差

    for (int i = 0; i < size; i++) {
        float diffReal = std::abs(refOutput[i].real - mklOutput[i].real);
        float diffImag = std::abs(refOutput[i].imag - mklOutput[i].imag);

        if (diffReal > epsilon || diffImag > epsilon) {
            return false;
        }
    }

    return true;
}

int main() {
    int size = 2048;
    int dataSize = size * size;
    int numRuns = 1000; // 运行次数

    // 生成随机数据
    float* inputData = new float[dataSize];
    generateRandomData(inputData, dataSize);

    // 分配内存用于输出结果
    MKL_Complex8* refOutput = new MKL_Complex8[dataSize];
    MKL_Complex8* mklOutput = new MKL_Complex8[dataSize];

    // 参考代码实现两维实数到复数的FFT
    auto startRef = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < numRuns; i++) {
        referenceFFT(inputData, refOutput, size);
    }
    auto endRef = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> refDuration = (endRef - startRef) / numRuns;

    // 使用 oneMKL API 进行两维实数到复数的FFT计算
    auto startMkl = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < numRuns; i++) {
        mklFFT(inputData, mklOutput, size);
    }
    auto endMkl = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> mklDuration = (endMkl - startMkl) / numRuns;

    // 验证结果正确性
    bool resultCorrect = verifyResult(refOutput, mklOutput, dataSize);

    // 输出结果
    if (resultCorrect) {
        std::cout << "结果正确" << std::endl;
    }
    else {
        std::cout << "结果不正确" << std::endl;
    }

    std::cout << "参考代码平均运行时间: " << refDuration.count() << " 秒" << std::endl;
    std::cout << "oneMKL 平均运行时间: " << mklDuration.count() << " 秒" << std::endl;

    // 释放内存
    delete[] inputData;
    delete[] refOutput;
    delete[] mklOutput;

    getchar();

    return 0;
}

结果展示

结语

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。

盐类水解

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
“东方杯”英特尔oneAPI黑客松参赛经验总结

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。
复制链接

扫一扫