неправильно используете OpenMP?

Question

У меня есть программа, использующая OpenMP для распараллеливания цикла for. Внутри цикла потоки будут писать в общую переменную, поэтому мне нужно синхронизировать их. Однако иногда я могу получить либо ошибку сегмента, либо ошибку двойного освобождения, либо ошибку искажения. Кто-нибудь знает, что происходит? Спасибо и всего наилучшего! Вот код:

void KNNClassifier::classify_various_k(int dim, double *feature, int label, int *ks, double * errors, int nb_ks, int k_max) {   
  ANNpoint      queryPt = 0;    
  ANNidxArray   nnIdx = 0;      
  ANNdistArray  dists = 0;     

  queryPt = feature;      
  nnIdx = new ANNidx[k_max];                
  dists = new ANNdist[k_max];               

  if(strcmp(_search_neighbors, "brutal") == 0) {// search  
    _search_struct->annkSearch(queryPt, k_max,  nnIdx, dists, _eps);  
  }else if(strcmp(_search_neighbors, "kdtree") == 0) {  
    _search_struct->annkSearch(queryPt, k_max,  nnIdx, dists, _eps);  // double free or corruption
  }  

  for (int j = 0; j < nb_ks; j++)  
  {  
    scalar_t result = 0.0;  
    for (int i = 0; i < ks[j]; i++) {          
        result+=_labels[ nnIdx[i] ];  // Segmentation fault
    }  
    if (result*label<0)  
    {  
    #pragma omp critical  
    {  
      errors[j]++;  
    }  
    }  

  }  

  delete [] nnIdx;  
  delete [] dists;  

}

      void KNNClassifier::tune_complexity(int nb_examples, int dim, double **features, int *labels, int fold, char *method, int nb_examples_test, double **features_test, int *labels_test) {    
          int nb_try = (_k_max - _k_min) / scalar_t(_k_step);    
          scalar_t *error_validation = new scalar_t [nb_try];    
          int *ks = new int [nb_try];    

          for(int i=0; i < nb_try; i ++){    
            ks[i] = _k_min + _k_step * i;    
          }    

          if (strcmp(method, "ct")==0)                                                                                                                     
          {    

            train(nb_examples, dim, features, labels );// train once for all nb of nbs in ks                                                                                                

            for(int i=0; i < nb_try; i ++){    
              if (ks[i] > nb_examples){nb_try=i; break;}    
              error_validation[i] = 0;    
            }    

            int i = 0;    
      #pragma omp parallel shared(nb_examples_test, error_validation,features_test, labels_test, nb_try, ks) private(i)    
            {    
      #pragma omp for schedule(dynamic) nowait    
              for (i=0; i < nb_examples_test; i++)         
              {    
                classify_various_k(dim, features_test[i], labels_test[i], ks, error_validation, nb_try, ks[nb_try - 1]); // where error occurs    
              }    
            }    
            for (i=0; i < nb_try; i++)    
            {    
              error_validation[i]/=nb_examples_test;    
            }    
          }

          ......
     }

---

UPDATE:

Как и в моем последнем посте двойное освобождение или повреждение , код отлично работает с однопоточным, но выдает ошибки времени выполнения для многопоточности. Ошибка меняется время от времени. Если я запускаю его дважды, один будет segfault, а другой - дважды или поврежден.

Answer 1

Давайте посмотрим на вашу линию ошибки сегментации:

result+=_labels[ nnIdx[i] ];

result локально - ОК.

nnIdx локально - тоже ОК.

i локально - все еще в порядке.

_labels ... что это?

Это глобально? Вы определили доступ к нему через #pragma shared?

То же самое касается первого:

_search_struct->annkSearch(queryPt, k_max,  nnIdx, dists, _eps);

Похоже, что у нас есть проблема, которую нелегко решить - _search_struct не является поточно-ориентированной - возможно, значения в ней изменяются потоками сразу. Вы должны иметь выделенную _search_struct для каждого потока, вероятно, выделив его в classify_various_k.

Однако действительно плохая новость заключается в том, что ANN, вероятно, полностью не поддерживает потоки:

Библиотека выделяет небольшое количество хранения, которое является общим для всех поисковые структуры, построенные во время Время жизни программы. Потому что данные является общим, оно не освобождается даже когда все отдельные структуры удалены.

Как видно выше, всегда будут проблемы с параллельным изменением данных, потому что сама библиотека имеет некоторые общие данные - следовательно, она сама по себе не поточно-ориентирована: /.