open acc处理矩阵的并行问题

didi_dudu

我在尝试做一个四维矩阵运算，维度为num。矩阵用一维数组存储, 主要代码如下tmp=0.0

do d = 1, num
do c = 1, num
do b = 1, c-1
do a = 1, b-1   
     idx1 = (d-1)*num**3+(c-1)*num**2+(b-1)*num+a
     idx2 = (d-1)*num**3+(a-1)*num**2+(c-1)*num+b
     idx3 = (d-1)*num**3+(b-1)*num**2+(a-1)*num+c
     tmp=tmp+matrix(idx1)+matrix(idx2)+matrix(idx3)

enddo
enddo
enddo
enddo
-----
这里的循环里b依赖于c，a依赖于b。我尝试利用omp并行，可以得到和串行一样的结果，并行代码如下
!$omp parallel do reduction(+:tmpe)
do……
enddo……
!$omp end parallel do

但是如果用openacc在gpu下并行则不行（已经将matrix，copy到GPU上新开的matrix_device中），代码如下
!$acc parallel loop reduction(+:tmpe)
do……
enddo……
!$acc end parallel loop


然后进一步发现如果b和a的循环次数都是“1,num”, 没有依次和c，b相关联，则能够计算出正确的tmpe。
由于矩阵具有对称性，如果将b和a都按照num来进行循环，则会比源代码中计算量多六倍。
求大神指导在open acc的情况下，这一段代码应该如何写才能够得到足够快的运行速度。
====================

Jackdaw

写法有问题吧，可以参考下面两种

[Fortran] 纯文本查看 复制代码

!$acc parallel copyin(mat) private(idx1, idx2, idx3)
    !$acc loop 
    do d = 1, num
        do c = 1, num 
            do b =1, c -1 
                do a = 1, b -1 
                    idx1 = (d-1)*num**3 + (c-1)*num**2 + (b-1)*num + a 
                    idx2 = (d-1)*num**3 + (a-1)*num**2 + (c-1)*num + b 
                    idx3 = (d-1)*num**3 + (b-1)*num**2 + (a-1)*num + c
                    tmp  = tmp + mat( idx1 ) + mat( idx2 ) + mat( idx3 ) 
                end do 
            end do 
        end do 
    end do    
    !$acc end loop
    !$acc end parallel   

[Fortran] 纯文本查看 复制代码

!$acc kernels copyin(mat) private(idx1, idx2, idx3) 
    do d = 1, num
        do c = 1, num 
            do b =1, c -1 
                do a = 1, b -1 
                    idx1 = (d-1)*num**3 + (c-1)*num**2 + (b-1)*num + a 
                    idx2 = (d-1)*num**3 + (a-1)*num**2 + (c-1)*num + b 
                    idx3 = (d-1)*num**3 + (b-1)*num**2 + (a-1)*num + c
                    tmp  = tmp + mat( idx1 ) + mat( idx2 ) + mat( idx3 ) 
                end do 
            end do 
        end do 
    end do  
    !$acc end kernels