今天尝试了 OpenMP 加速 for 循环，发现效果并不明显，很难写出一个比串行耗时少的 demo。
在网上查了后发现不少人也出现了这个问题
可能有用的方法1：OpenMP 的计时不能用 clock()，这玩意在多线程上测量是不准确的。
可能有用的方法2：schedule 改为 static，手动分配好
本来设想用 OpenMP 加速一个耗时约 4ms 的函数，感觉可能不太好用。
现在还是用 cuda 优化
image.png
目前辅助数据耗时减少了大概4ms，代码放在固态上跑的话 copy 部分也会快一点，少了4ms左右，现在时间接近 30ms，感觉有点希望了。
哈哈，终于找到 flex 中 初始化阶段构造 device_vector 的方法了，耗时29ms了
