//In other words, this equilavent to cv::Mat1f mat(5,n)
//i.e. a matrix 5xn
std::vector<cv::Mat1f> mat(5,cv::Mat1f::zeros(1,n));
std::vector<float> indexes(m);
// fill indexes
// m >> nThreads (from hundreds to thousands)
for(size_t i=0; i<m; i++){
  mat[indexes[m]] += 1;
}

预期结果是将每行的每个元素增加一个.这是一个玩具示例,实际总和要复杂得多.我试图将其与：

#pragma omp declare reduction(vec_float_plus : std::vector<cv::Mat1f> : \
            std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>())) \
            initializer(omp_priv=omp_orig);

#pragma omp parallel for reduction(vec_float_plus : mat)
for(size_t i=0; i<m; i++){
    mat[indexes[m]] += 1;
}       

但这失败了,因为每行的每个元素都是随机初始化的.我该如何解决？

所以我发现问题出在this上.所以我应该用以下命令初始化mat：

std::vector<cv::Mat1f> mat(5);
for(size_t i=0; i<mat.size(); i++)
  mat[i] = cv::Mat1f::zeros(1,n);

但这会导致omp_priv = omp_orig出现问题,因为它将考虑std :: vector< cv :: Mat1f>垫(5);它的值是不确定的.我该如何解决？我想到的唯一解决方案是创建一个包装器结构,例如：

class vectMat{
public:
    vectMat(size_t rows, size_t j){
        for(size_t i=0; i<rows; i++)
            mats.push_back(cv::Mat1f::zeros(1,j));
    }
private:
    std::vector<cv::Mat1f> mats;
};

但是,我应该实现什么才能使其与其余代码一起工作？

解决方法:

在这种情况下,使用引用而不是复制的cv :: Mat1f这样的类型确实很危险.您可以通过拆分并行区域和for循环来做出明确的显式解决方案.

#pragma omp declare reduction(vec_mat1f_plus : std::vector<cv::Mat1f> : \
            std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>()));
// initializer not necessary if you initialize explicitly

std::vector<cv::Mat1f> mat;
#pragma omp parallel reduction(vec_mat1f_plus : mat)
{
  mat = std::vector<cv::Mat1f>(5);
  for (auto& elem : mat) {
    elem = cv:Mat1f::zeros(1, n);
  }
  #pragma omp for
  for(size_t i=0; i<m; i++){
    mat[indexes[m]] += 1;
  }
}

我尚未测试std :: plus< cv :: Mat1f>可以,但是looks good.

如果您提供了一个运算符=,该运算符将使用clone()深度复制底层Mat,并保留初始化程序,则使用vectMat的方法也将起作用.