北京理工并行编程原理与实践作业 —— kmeans算法的并行化

在python.ipynb中的第一段代码块是生成合成数据集的代码。数据集要求每个样本1行，前 n - 1 列元素为维度特征，第n列元素为类别标签，类之间的分隔符为,。使用其他数据集需要在外部指定参数 推荐使用make语句对C++代码进行编译，可能需要在makefile中：

• 根据显卡指定nvcc编译计算能力选项。
• 保证可以链接cuda库和cuda sample

make

本实验实现功能

• 数据合成代码
• kmeans实现代码
  • 无并行的C++代码
  • 使用sklearn第三方库的python代码
  • 并行的C++代码
• 结果可视化代码

并行的粒度

阶段	并行维度
距离计算	聚类（stream）x样本×特征
样本分类 + 类别统计	样本
损失计算	层次规约
特征累加	样本x维度
聚类中心更新	聚类x维度

运行代码

 ./main.out --filename ./synthetic_datast.csv --numClusters 4 --maxIters 50 --epsilon 0.01 

使用nvprof工具进行性能分析

nvprof ./main.out

关于cuda库

在编译中引入cuda库

参考的版本是cuda 12.6，需要在makefile中需要为nvcc编译器引入cuda和cuda sample的地址(helper_cuda.h)。 路径如下，仅供参考

NVCCFLAGS = -arch=sm_75 -std=c++17 -I/home/funmelon/cuda-samples/Common -I/usr/local/cuda/include

vscode代码检查无法识别cuda库

需要在c_cpp_properities.json中需要增加对cuda和cuda sample(helper_cuda.h)的include。 路径如下，仅供参考。之后vscode的C++的代码检查就不会报错。

"/usr/local/cuda/include",
"/home/funmelon/cuda-samples/Common"

参考代码来自

知乎用户“后来”