• 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

OpenMP ***’…’中的错误:double free或corruption(fasttop):[address] ***

c/c++ 来源:J. R. 3次浏览

我开始使用C++中的openMP,并且遇到了并行for循环与减少。当我运行下面的函数时,出现错误:“* ./main.out’中的错误:双重空闲或损坏(fasttop):0x00007fe2a00008c0 *”。OpenMP ***’…’中的错误:double free或corruption(fasttop):[address] ***

***更新:谢谢大家的帮助!我根据您的建议编辑了该功能(请参阅下文),并且它可以正常运行。但是我仍然没有看到任何加速,并且当我运行顶部时,%CPU字段永远不会超过100%。有什么想法吗?

... 
const int NUM_THREADS = 10; 
... 
double Parameters::get_log_likelihood(
     const vector<EquivClass> & ec_vec, 
     const vector<Gene> & genes_vec, 
     const unordered_map<int,double> & delta5, 
     const unordered_map<int,double> & delta3, 
     const unordered_map<string,double> & beta5, 
     const unordered_map<string,double> & beta3) { 
    // Init vars. 
    vector<vector<double>> denoms5, denoms3; 
    double log_likelihood, mapping_ll; 
    EquivClass ec; 
    Mapping m; 
    int gene_id, cod_idx, d5, d3; 
    string b5, b3; 

    denoms5 = get_all_5_denominators(genes_vec, delta5, beta5); 
    denoms3 = get_all_3_denominators(genes_vec, delta3, beta3); 
    log_likelihood = 0; 

    #pragma omp parallel for reduction(+ : log_likelihood) 
    for (int i=0; i<ec_vec.size(); i++) { 
     ec = ec_vec[i]; 
     for (int r=0; r<ec.num_mappings; r++) { 
      m = ec.mappings[r]; 
      gene_id = m.gene_id; 
      cod_idx = m.cod_idx; 
      d5 = m.d5; 
      d3 = m.d3; 
      b5 = get_b5(genes_vec[gene_id], cod_idx, d5); 
      b3 = get_b3(genes_vec[gene_id], cod_idx, d3); 
      mapping_ll = ec.exp_cts[r] * (
       log(rho.at(gene_id)) + log(pi.at(gene_id).at(cod_idx)) + 
       log(delta5.at(d5)) + log(beta5.at(b5)) + 
       log(delta3.at(d3)) + log(beta3.at(b3)) - 
       log(denoms5.at(gene_id).at(cod_idx)) - 
       log(denoms3.at(gene_id).at(cod_idx))); 
      if (!isnan(mapping_ll)) { 
       log_likelihood += mapping_ll; 
      } else { 
       ; 
      } 
     } 
    } 
    return log_likelihood; 
} 

************** 
*** UPDATED 
************** 
double Parameters::get_log_likelihood(
     const vector<EquivClass> & ec_vec, 
     const vector<Gene> & genes_vec, 
     const unordered_map<int,double> & delta5, 
     const unordered_map<int,double> & delta3, 
     const unordered_map<string,double> & beta5, 
     const unordered_map<string,double> & beta3) { 
    // Init vars. 
    vector<vector<double>> denoms5, denoms3; 
    double log_likelihood = 0; 

    denoms5 = get_all_5_denominators(genes_vec, delta5, beta5); 
    denoms3 = get_all_3_denominators(genes_vec, delta3, beta3); 

    #pragma omp parallel for reduction(+:log_likelihood) 
    for (int i=0; i<ec_vec.size(); i++) { 
     const EquivClass & ec = ec_vec[i]; 
     for (int r=0; r<ec.num_mappings; r++) { 
      const Mapping & m = ec.mappings[r]; 
      string b5 = get_b5(genes_vec[m.gene_id], m.cod_idx, m.d5); 
      string b3 = get_b3(genes_vec[m.gene_id], m.cod_idx, m.d3); 
      double mapping_ll = ec.exp_cts[r] * (
       log(rho[m.gene_id]) + log(pi[m.gene_id][m.cod_idx]) + 
       log(delta5.at(m.d5)) + log(beta5.at(b5)) + 
       log(delta3.at(m.d3)) + log(beta3.at(b3)) - 
       log(denoms5[m.gene_id][m.cod_idx]) - 
       log(denoms3[m.gene_id][m.cod_idx])); 
      if (!isnan(mapping_ll)) { 
       log_likelihood += mapping_ll; 
      } else { 
       ; 
      } 
     } 
    } 
    return log_likelihood; 
} 

int main (int argv, char * argc []) { 
    ... 
    omp_set_num_threads(NUM_THREADS); 
    Parameters params(...) 
    params.get_log_likelihood(...); 
    ... 
    return 0; 
} 


===========解决方案如下:

通过让多个线程在没有同步的情况下写入同一个变量,您可以在脚下自我拍摄。

你有EquivClass ec;以外的并行部分,所以它是一个共享(线程间共享)变量。然后你在并行部分内部做ec = ec_vec[i];。这意味着线程将该值复制到共享变量。这会给你比赛条件。该副本分配将呼叫EquivClass::~EquivClass,其可能会呼叫delete,然后它将呼叫EquivClass::EquivClass,这可能会呼叫new。根据种族的不同,这会导致双倍的免费错误。

要修复此部分,请将ec设为私有(局部于该线程)变量。不要将其声明为parallel部分,而是在for循环内作为auto &ec = ec_vec[i];。然后ec将是一个私有变量,并且没有竞争条件。 &将作为参考,所以甚至不需要复制,但这不是绝对必要的。

同样,你在那里的所有其他变量是共享,并会给你危险的竞争条件。


版权声明:本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系管理员进行删除。
喜欢 (0)