假设一个Python MPI程序，其中主节点向每个工作节点发送一对复杂矩阵，工作节点应该计算它们的乘积(传统的矩阵积(。输入矩阵是根据某种算法在主节点上构建的，无需解释。现在想象一下，为了简单起见，我们只有 2 个 MPI 进程，一个主进程和一个工作进程。我为这种情况创建了该程序的两个版本。第一个构造两个复数(为简单起见，1×1矩阵(并将它们发送给工人以计算乘积。这个程序就像一个骨架，用于我试图与多个工人一起做的事情。在第二个程序中，我省略了算法，只是将这两个复数硬编码到代码中。这些程序应该提供此处显示的相同产品：
a = 28534314.10478439+28534314.10478436j
b = -1.39818115e+09+1.39818115e+09j
a*b = -7.97922802e+16+48j
这已经在 Matlab 中进行了检查。相反，第一个程序不起作用，工作人员给出a*b = -7.97922801e+16+28534416.j，而第二个程序正常工作。请注意，在这两种情况下，数据都从主站正确传输到工人(请参阅print()功能(。第一个(错误的(程序是：
from mpi4py import MPI
import numpy as np
N = 1
ell = 9
s_cod = 7
var = np.array([np.exp(1j*2*np.pi*1/8)])
comm = MPI.COMM_WORLD
if comm.rank == 0:
print("I am sender")
#Construction algorithm, explanation skipped
A=np.matrix('1 0; 0 1')
B=np.matrix('1 0; 0 1')
Ah=np.split(A,2)
Bh=np.split(B,2)
Ahv = []
Bhv = []
for i in range(2):
Ahv.append(np.split(Ah[i], 2, axis=1))
Bhv.append(np.split(Bh[i], 2, axis=1))
a = []
b = []
for i in range(N):
a.append(Ahv[0][0]*(pow(s_cod*var[i], ell)) + Ahv[1][0] + Ahv[0][1]*(pow(s_cod*var[i], ell+1)) + Ahv[1][1]*s_cod*var[i])
b.append(Bhv[0][0] + Bhv[1][0]*(pow(s_cod*var[i], ell)) + Bhv[0][1]*(pow(s_cod*var[i], 2)) + Bhv[1][1]*(pow(s_cod*var[i], ell+2)))
#Send message with a predefined tag, like 15 and 16, to each receiver
for i in range(N):
comm.Isend([a[i],MPI.COMPLEX], dest=i+1, tag=15)
comm.Isend([b[i],MPI.COMPLEX], dest=i+1, tag=16)
print("Sender sent: ")
print(a[0])
print(b[0])
else:
print("I am receiver")
A = np.empty_like(np.matrix([[0]*(1) for i in range(1)])).astype(np.complex128)
B = np.empty_like(np.matrix([[0]*(1) for i in range(1)])).astype(np.complex128)
#Receive message with tags 15, 16 from rank 0
rA = comm.Irecv(A, source=0, tag=15)
rB = comm.Irecv(B, source=0, tag=16)
rA.wait()
rB.wait()
C = np.dot(A, B)
print("Receiver received: ")
print(A)
print(B)
print("Receiver computed: ")
print(C)
第二个(正确的(程序是：
from mpi4py import MPI
import numpy as np
comm = MPI.COMM_WORLD
if comm.rank == 0:
print("I am sender")
a = np.matrix('28534314.10478439+28534314.10478436j')
b = np.matrix('-1.39818115e+09+1.39818115e+09j')
#Send message with a predefined tag, like 15 and 16, to rank 1
comm.Isend([a, MPI.COMPLEX], dest=1, tag=15)
comm.Isend([b, MPI.COMPLEX], dest=1, tag=16)
print("Sender sent: ")
print(a[0])
print(b[0])
else:
print("I am receiver")
A = np.empty_like(np.matrix([[0]*(1) for i in range(1)])).astype(np.complex128)
B = np.empty_like(np.matrix([[0]*(1) for i in range(1)])).astype(np.complex128)
#Receive message with tags 15, 16 from rank 0
rA = comm.Irecv(A, source=0, tag=15)
rB = comm.Irecv(B, source=0, tag=16)
rA.wait()
rB.wait()
C = np.dot(A, B)
print("Receiver received: ")
print(A)
print(B)
print("Receiver computed: ")
print(C)
我正在使用MPI4py 3.0.0.0.以及Python 2.7.14和Open MPI 2.1.2的内核。我已经在这个问题上纠缠了一整天，仍然无法弄清楚发生了什么。我已经尝试了许多初始化，如np.zeros()，np.zeros_like()，np.empty_like()以及np.array和np.matrix以及函数np.dot()，np.matmul()和运算符*。最后，我认为问题始终出在基于我尝试过的其他示例的产品的虚构部分。有什么建议吗？
这与MPI完全无关。
np.set_printoptions(precision=15)
确认计算a和b实际上与您输入到"正确"版本中的计算和不同。
我不确定结果的基本事实是什么。在计算过程中，可能会有舍入误差的影响越来越大。在点积期间，差异急剧显现，因为在"正确"版本中，b的实部/虚部的绝对值相等，在计算版本中，它们只是相对接近，但存在显着的绝对差异。