De rien ;-) (Faut remercier Pierrick Brunet qui fait un boulot de ouf dessus aussi !)
Je pensais à la granularité de l'unité de calcul minimale à partir de laquelle il devient intéressant de paralléliser. En gros
a + b ** 2
où a et b sont des tableaux, ni mpi4py ni multiprocessing ne te donneront de speedup là dessus (à cause du coup de transfert mémoire) alors qu'en pure OpenMP on peut gagner (un peu sur cette exemple, mais pas beaucoup) et avec de l'AVX / SSE on gagne pas mal, suivant le type de a et b.
Je ne sais pas si mes explications sont claires...
[^] # Re: Support de Numpy
Posté par serge_sans_paille (site web personnel) . En réponse à la dépêche Pythran 0.6 - compilation de noyaux scientifiques écrits en Python. Évalué à 1.
De rien ;-) (Faut remercier Pierrick Brunet qui fait un boulot de ouf dessus aussi !)
Je pensais à la granularité de l'unité de calcul minimale à partir de laquelle il devient intéressant de paralléliser. En gros
où a et b sont des tableaux, ni
mpi4pynimultiprocessingne te donneront de speedup là dessus (à cause du coup de transfert mémoire) alors qu'en pure OpenMP on peut gagner (un peu sur cette exemple, mais pas beaucoup) et avec de l'AVX / SSE on gagne pas mal, suivant le type deaetb.Je ne sais pas si mes explications sont claires...