Tbb对具有不同深度的图像的卷积进行了并行化

Tbb-parallelized convolution of images with different depths

本文关键字：卷积 图像 并行化 深度 Tbb      更新时间：2023-10-16

我想使用tbb（parallel_fo模式）同时卷积大量图像——每个处理器的核心convolves单个图像。然而，图像的深度不同：monograyscale(1-channel)、stereograyscale(2-channel)、monorgb(3-channel)、stereorgb(6-channel)等。

事实证明，不同线程（核心）上的工作负载不断变化。如何在这个任务中正确使用parallel_fo，或者我应该考虑其他并行模式？

形式为parallel_fo（first，last，lambda）的tbb:：parallel__for执行一些负载平衡。你可以先试试。尽管它有一个猜测好粒度的启发式方法，有时会被愚弄。

为了获得最佳负载平衡，可能会以每次迭代额外开销为代价，请使用粒度为1的基于范围的tbb:：parallel_fo和simple_partitor。这迫使每个迭代作为一个单独的任务运行，从而为TBB运行时提供了最大的灵活性来重新平衡负载。下面是一个执行100次迭代的示例，每次迭代都有一个随机延迟。

#include <tbb/parallel_for.h>
#include <unistd.h>
int main( int argc, char* argv[] ) {
    tbb::parallel_for(
        tbb::blocked_range<int>(0,100,1),  // Interval [0,100) with grainsize==1
        [&](tbb::blocked_range<int> r) {
            for( int i=r.begin(); i!=r.end(); ++i ) {
                printf("%dn",i);
                usleep(random()%1000000);
            }
        },
        tbb::simple_partitioner());
}
相关文章：