Intel_Hackathon——基于oneMKL的FFT算法性能对比

题目描述：

使用oneMKL工具，对FFT算法进行加速与优化。

1.生成2048*2048个单精度实数作为输入数据

2.实现输入数据的两维Real to complex FFT

3.使用oneMKL FFT进行输入数据的两维Real to complex FFT

4.比较两种算法的性能及正确性。

oneMKL简介：

  英特尔®oneAPI 数学内核库（Intel® oneAPI Math Kernel Library，简称 oneMKL）是一个开源规范，旨在简化希望创建基于加速器的应用程序和希望支持各种硬 件架构和硬件供应商的开发人员的生活。 oneAPI Base Toolkits 和 HPC Toolkits 的内容如下图所示：

Intel的OneMKL是一种数学核心库，旨在加速高性能计算应用程序的数学运算。它提供了一组数学和线性代数函数，专为使用Intel处理器的系统进行了优化。以下是一些关于Intel OneMKL的主要特点和用途：

1. 高性能数学库：OneMKL提供了高度优化的数学函数，包括线性代数、傅立叶变换、随机数生成和特殊函数等。这些函数针对Intel处理器进行了优化，可以实现卓越的性能。

2. 跨平台支持：OneMKL支持多种操作系统，包括Windows、Linux和macOS，并且可以与不同编程语言（如C/C++和Fortran）一起使用。

3. 并行性支持：OneMKL通过利用多核处理器和向量化指令集来提高性能，从而使开发人员能够充分发挥现代多核处理器的潜力。

4. 用途广泛：OneMKL适用于各种领域的应用程序，包括科学计算、工程仿真、深度学习、机器学习和数据分析等。它可以用于加速矩阵运算、信号处理、图像处理等各种数学运算。

5. 免费提供：Intel OneMKL通常是免费提供给开发人员和研究人员的，可以与Intel的开发工具套件一起使用。

实现代码：

1.包含头文件

#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <time.h>
#include "mkl_vsl.h"
#include "mkl_service.h"
#include "mkl_dfti.h"
#include <fftw3.h>

2.定义函数指针类型：通过typedef语句定义了一个名为FftMethod的函数指针类型，用于表示不同的傅立叶变换方法。

typedef void (*FftMethod)(int, float*, void*);

3.DoFftWithMkl函数：这个函数使用Intel OneMKL库执行傅立叶变换。它设置了一些DFTI（傅立叶变换接口）描述符，包括傅立叶变换的大小、输入和输出数据的设置，然后执行傅立叶变换。

void DoFftWithMkl(int size, float* input, void* output) {
    MKL_LONG rs[3] = { 0, size, 1 };
    MKL_LONG cs[3] = { 0, size / 2 + 1, 1 };
    DFTI_DESCRIPTOR_HANDLE descriptor;
    MKL_LONG sizeN[2] = { size, size };
    DftiCreateDescriptor(&descriptor, DFTI_SINGLE, DFTI_REAL, 2, sizeN);
    DftiSetValue(descriptor, DFTI_PLACEMENT, DFTI_NOT_INPLACE);
    DftiSetValue(descriptor, DFTI_CONJUGATE_EVEN_STORAGE, DFTI_COMPLEX_COMPLEX);
    DftiSetValue(descriptor, DFTI_INPUT_STRIDES, rs);
    DftiSetValue(descriptor, DFTI_OUTPUT_STRIDES, cs);
    DftiCommitDescriptor(descriptor);
    DftiComputeForward(descriptor, input, (MKL_Complex8*)output);
    DftiFreeDescriptor(&descriptor);
}

4.DoFftWithFftw函数：这个函数使用FFTW库执行傅立叶变换。它创建一个FFTW计划，执行傅立叶变换，然后销毁计划。

void DoFftWithFftw(int size, float* input, void* output) {
    fftwf_plan plan = fftwf_plan_dft_r2c_2d(size, size, input, (fftwf_complex*)output, FFTW_MEASURE);
    fftwf_execute(plan);
    fftwf_destroy_plan(plan);
}

5.CompareResults函数：这个函数用于比较两个不同库执行的傅立叶变换结果之间的差异。它计算实部和虚部的平均差异，并输出结果匹配与否以及平均差异的信息。

void CompareResults(int size, void* result1, void* result2, float epsilon) {
    int match = 1;
    double avgDiffReal = 0.0;
    double avgDiffImag = 0.0;

    for (int i = 0; i < size * (size / 2 + 1); i++) {
        float diffReal = fabs(((MKL_Complex8*)result1)[i].real - ((fftwf_complex*)result2)[i][0]);
        float diffImag = fabs(((MKL_Complex8*)result1)[i].imag - ((fftwf_complex*)result2)[i][1]);

        if (diffReal > epsilon || diffImag > epsilon) {
            match = 0;
        }

        avgDiffReal += diffReal;
        avgDiffImag += diffImag;
    }

    if (match) {
        printf("Results match!\n");
    }
    else {
        printf("Results do not match!\n");
    }

    printf("Average difference (Real): %f\n", avgDiffReal / (size * (size / 2 + 1)));
    printf("Average difference (Imag): %f\n", avgDiffImag / (size * (size / 2 + 1)));
}

6.

main函数：主函数包含以下步骤：

• 分配内存并初始化输入数组。
• 声明两个函数指针，分别指向DoFftWithFftw和DoFftWithMkl。
• 初始化随机数生成器。
• 分配内存以保存两个傅立叶变换的输出结果。
• 使用两个不同的库执行傅立叶变换，并记录执行时间。
• 调用CompareResults函数比较两个结果的差异。
• 释放分配的内存并结束程序。

int main() {
    int size = 2048;
    float epsilon = 10 ^ -5;

    float* inputArray = (float*)malloc(sizeof(float) * size * size);
    FftMethod fftMethod1 = DoFftWithFftw;
    FftMethod fftMethod2 = DoFftWithMkl;

    VSLStreamStatePtr stream;
    vslNewStream(&stream, VSL_BRNG_MT19937, 1);
    vsRngUniform(VSL_RNG_METHOD_UNIFORM_STD, stream, size * size, inputArray, 0.0f, 1.0f);

    void* output1 = malloc(sizeof(fftwf_complex) * size * (size / 2 + 1));
    void* output2 = malloc(sizeof(MKL_Complex8) * size * (size / 2 + 1));

    clock_t startTime, endTime;
    startTime = clock();
    fftMethod1(size, inputArray, output1);
    endTime = clock();
    printf("Time taken by FFTW: %f seconds\n", (double)(endTime - startTime) / CLOCKS_PER_SEC);

    startTime = clock();
    fftMethod2(size, inputArray, output2);
    endTime = clock();
    printf("Time taken by INTEL_ONEMKL: %f seconds\n", (double)(endTime - startTime) / CLOCKS_PER_SEC);

    CompareResults(size, output1, output2, epsilon);

    free(inputArray);
    free(output1);
    free(output2);

    return 0;
}

运行结果

oneMKL运算速度比FFTW快，性能更优。

注意事项

在调用oneMKL库进行计算时，请确保正确链接到库，保持Use oneMKL为“Parallel”状态