c++ - "thread-safe"函数并行化框架是否依赖？

Question

我有这个调用 imregionalmax 的简单 MATLAB 代码在并行循环中 超过 256 个 16X16 像素的路径。

function y = Parimregionalmax(x)
   assert(isa(x,'uint8'));
   assert( all(size(x)==[16 16 256]) );
   y = zeros(size(x));
   parfor k = 1:size(x,3)  
     y(:,:,k) = imregionalmax(x(:,:,k));
   end
end

将此代码提供给 MATLAB 的 Coder 可得到以下 C 代码:

/*
 * Parimregionalmax.c
 *
 * Code generation for function 'Parimregionalmax'
 *
 */

/* Include files */
#include "rt_nonfinite.h"
#include "Parimregionalmax.h"
#include "libmwimregionalmax.h"

/* Function Definitions */
void Parimregionalmax(const unsigned char x[65536], double y[65536])
{
  int k;
  int i0;
  int i1;
  double imSize[2];
  unsigned char varargin_1[256];
  boolean_T conn[9];//unsigned char 
  double connSize[2];
  boolean_T BW[256];

#pragma omp parallel for \
 num_threads(omp_get_max_threads()) \
 private(i0,i1) \
 firstprivate(varargin_1,imSize,conn,connSize,BW)

  for (k = 0; k < 256; k++) {
    for (i0 = 0; i0 < 16; i0++) {
      for (i1 = 0; i1 < 16; i1++) {
        varargin_1[i1 + (i0 << 4)] = x[(i1 + (i0 << 4)) + (k << 8)];
      }
    }

    for (i0 = 0; i0 < 2; i0++) {
      imSize[i0] = 16.0;
    }

    for (i0 = 0; i0 < 9; i0++) {
      conn[i0] = true;
    }

    for (i0 = 0; i0 < 2; i0++) {
      connSize[i0] = 3.0;
    }

    imregionalmax_uint8(varargin_1, BW, 2.0, imSize, conn, 2.0, connSize);
    for (i0 = 0; i0 < 16; i0++) {
      for (i1 = 0; i1 < 16; i1++) {
        y[(i1 + (i0 << 4)) + (k << 8)] = BW[i1 + (i0 << 4)];
      }
    }
  }
}

/* End of code generation (Parimregionalmax.c) */

如您所见，生成的代码(完美运行)使用 openmp 并行化框架并调用函数 imregionalmax_uint8它在单独的“黑盒”dll(具有相应的头文件和 lib 文件)中实现。

我可以假设无论我使用哪种并行化框架，这个函数总是线程安全的吗？

示例:

1.用C++定义两个线程可以吗<thread>控制台中的库 应用程序(又名 VS 中的 exe 文件)并从每个线程调用 imregionalmax_uint8 ？

1. 做两个独立的dll(通过exe文件加载)可以调用这个函数 同时？

Answer 1

是也不是。

不，因为几乎没有人会为这种事情写出好的保证。 This is a wonderful podcast about NVidia using C++'s threading model最终形成一个线程系统，提示说在 C++ 尝试之前，大多数抽象的线程/内存模型都是垃圾。充其量你会得到关于一组特定硬件的非常神秘和具体的信息，或者声称你像其他一些(通常更古老的)硬件一样工作。

除了 yes，因为在实践中，他们使用的互斥体和同步等类型将在几乎所有桌面系统上兼容。在移动计算 CPU 和其他更晦涩的系统上可能不那么重要。