matlab算例并行教程,Matlab并行编程方法
本文讲一下matlab中的并行方法与技巧,这里我们不涉及GPU加速,主要考虑for循环并行和数据并行。分为以下几个板块:
怎么并行?
parfor vs. SPMD
注意事项及经验总结
如何并行?
Request a number of workers;
Issue the normal command to run the program. The client program will call on the workers as needed;
Release the workers;
具体到代码:
matlabpool local 2;
%parallel program
matlabpool close
其中2是core数目,注意2是core数。你的电脑如果是双核四线程的,那么只能申两个(而非4个)matlab local pool。
具体实现parallel program呢,主要是通过parfor(parallel for)和SPMD(single program, multiple data)完成的。
parfor vs. SPMD
2.1 什么时候用parfor
parfor只用于matlab并行循环。当你需要简单计算的多次循环迭代时,例如蒙特卡洛(Monte Carlo)模拟,parfor循环就很有用。parfor将循环迭代分组,那么每个worker执行迭代的一部分。当迭代耗时很长的时候parfor循环也是有用的,因为workers可以同时执行迭代。
注意当循环中有迭代依赖其他迭代的结果时不应该使用parfor循环。每个迭代都必须不依赖其他迭代。由于parfor循环内有通信消耗,当只有小数量的简单计算时使用parfor可能得不到什么好处。
c = 1:10;
a = ones(10,1);
tic
parfor i = 1:length©
a(i)= a(i)+ c(i);
end
toc
fprintf(’%d\n’,a);
2.2 什么时候用SPMD(Single Program/Multiple Data)单程序多任务进行任务并行
Spmd中的“Single program”方面指的是同一段代码运行在不同的多个lab上。你在一个Matlab客户端上运行一个程序,被标志为spmd模块的其他部分运行在其他lab上。当这些块运行完毕后,你的程序继续在客户端运行。 “Multiple data”方面指的是虽然spmd语句在所有的lab上运行相同的代码,但每一个lab可以有不同的,独有的数据。所以多数据集可以在多个lab上同时被容纳。一下是我总结的SPMD使用的两个场景:
The “single program” aspect of spmd means that the identical code runs on multiple labs. 就是说同一段程序应用于不同的样本(数据),所以一般针对随机抽样的并行,如
%% SPMD
%example 1
spmd
A = rand(3,2); %generate a matrix A for each lab(worker)
end
for i = 1:length(A)
figure; imagesc(A{i});
end
%example 2
a = 3;
b = 4;
spmd
c = labindex();
d = c+a;
end
c{2} = 5;
spmd
f = c*b;
end
for i = 1:length(f)
fprintf(’%d\t’,f{i});%access the value of each lab
end
另外,SPMD也可以用于可替代parfor的块并行,在不同lab(worker)上对相同或不同的数据执行不同的并行操作,说起来有些拗口,具体看一下例子就明白了,下面我写的example3,4分别针对在不同lab上对相同数据和不同数据执行不同操作。它们都可以用parfor代替,对吧,这里我就不写了,相信大家的能力。。
%example3 - deal with same Data by different parameters
%add different values to same array Data
Data = 1:100;
spmd
switch labindex
case 1
Data = Data+1;
case 2
Data = Data+2;
end
end
% print Data{1} & Data{2} for checking
%example4
%add different values for different parts of array Data
% [1:50]+1
% [51:100]+2
spmd
if labindex == 1
Data(1:50) = Data(1:50)+1;
else
Data(51:100) = Data(51:100)+2;
end
end
以上是我对spmd和parfor的理解,欢迎补充指正,其他关于spmd vs. parfor的可以参考这个帖子。
2.3 Composite类型
spmd中每个lab返回值以composite存储,如上面[code]example 1中的f就是以composite的形式展现。f{i}为第i个lab的返回值。最开始我们也可以创建Composite对象并进行初始化赋值。
f = Composite(2);
注意事项及经验总结
注意事项:
parfor中慎用(最好勿用)eval幅值。
一个程序并行时要共享内存,而eval语句可能使程序进入错误的workspace,因此不要用eval,改用不同index赋值。
matlabpool local 2;
c = 1:5;
parfor i = 1:length©
a(i) = c(i);
end
parfor循环不能很好利用所有处理器怎么办?
是这样,
parfor i = 1:4
…
end
就只能用4个处理器,而如果不加这个parfor可能matlab自身的负载均衡能够更好地利用CPU。这里我是开起来3个matlab,比如服务器上有12个核。我就给每个matlab分配4个core(>>matlabpool local 4),每个程序里有一个parfor i = 1:4. 这样就可以用起来12个核。我知道这样好暴力……囧,有人知道正解的话指条明路吧。。
parfor,spmd不可以相互或者自身嵌套。
parfor使用有很多约束,比如for循环内的表达式需要显式表达(透明性),不依赖前项。如
parfor i = 3:10
f(i) = f(i-1)+f(i-2);
end
是不行滴。。
欢迎留言其他并行技巧和方法,谢谢!
Reference:
MATLAB官网——Parallel Computing Toolbox
详细讲解并行用法(貌似阿拉伯人写的……o(╯□╰)o)
详细并行代码
多核计算平台中MATLAB并行计算
Parallel Computing Toolbox User’s Guide
如何并行?
Request a number of workers;
Issue the normal command to run the program. The client program will call on the workers as needed;
Release the workers;
具体到代码:
matlabpool local 2;
%parallel program
matlabpool close
其中2是core数目,注意2是core数。你的电脑如果是双核四线程的,那么只能申两个(而非4个)matlab local pool。
具体实现parallel program呢,主要是通过parfor(parallel for)和SPMD(single program, multiple data)完成的。
parfor vs. SPMD
2.1 什么时候用parfor
parfor只用于matlab并行循环。当你需要简单计算的多次循环迭代时,例如蒙特卡洛(Monte Carlo)模拟,parfor循环就很有用。parfor将循环迭代分组,那么每个worker执行迭代的一部分。当迭代耗时很长的时候parfor循环也是有用的,因为workers可以同时执行迭代。
注意当循环中有迭代依赖其他迭代的结果时不应该使用parfor循环。每个迭代都必须不依赖其他迭代。由于parfor循环内有通信消耗,当只有小数量的简单计算时使用parfor可能得不到什么好处。
c = 1:10;
a = ones(10,1);
tic
parfor i = 1:length©
a(i)= a(i)+ c(i);
end
toc
fprintf(’%d\n’,a);
2.2 什么时候用SPMD(Single Program/Multiple Data)单程序多任务进行任务并行
Spmd中的“Single program”方面指的是同一段代码运行在不同的多个lab上。你在一个Matlab客户端上运行一个程序,被标志为spmd模块的其他部分运行在其他lab上。当这些块运行完毕后,你的程序继续在客户端运行。 “Multiple data”方面指的是虽然spmd语句在所有的lab上运行相同的代码,但每一个lab可以有不同的,独有的数据。所以多数据集可以在多个lab上同时被容纳。一下是我总结的SPMD使用的两个场景:
The “single program” aspect of spmd means that the identical code runs on multiple labs. 就是说同一段程序应用于不同的样本(数据),所以一般针对随机抽样的并行,如
%% SPMD
%example 1
spmd
A = rand(3,2); %generate a matrix A for each lab(worker)
end
for i = 1:length(A)
figure; imagesc(A{i});
end
%example 2
a = 3;
b = 4;
spmd
c = labindex();
d = c+a;
end
c{2} = 5;
spmd
f = c*b;
end
for i = 1:length(f)
fprintf(’%d\t’,f{i});%access the value of each lab
end
另外,SPMD也可以用于可替代parfor的块并行,在不同lab(worker)上对相同或不同的数据执行不同的并行操作,说起来有些拗口,具体看一下例子就明白了,下面我写的example3,4分别针对在不同lab上对相同数据和不同数据执行不同操作。它们都可以用parfor代替,对吧,这里我就不写了,相信大家的能力。。
%example3 - deal with same Data by different parameters
%add different values to same array Data
Data = 1:100;
spmd
switch labindex
case 1
Data = Data+1;
case 2
Data = Data+2;
end
end
% print Data{1} & Data{2} for checking
%example4
%add different values for different parts of array Data
% [1:50]+1
% [51:100]+2
spmd
if labindex == 1
Data(1:50) = Data(1:50)+1;
else
Data(51:100) = Data(51:100)+2;
end
end
以上是我对spmd和parfor的理解,欢迎补充指正,其他关于spmd vs. parfor的可以参考这个帖子。
2.3 Composite类型
spmd中每个lab返回值以composite存储,如上面[code]example 1中的f就是以composite的形式展现。f{i}为第i个lab的返回值。最开始我们也可以创建Composite对象并进行初始化赋值。
f = Composite(2);
注意事项及经验总结
注意事项:
parfor中慎用(最好勿用)eval幅值。
一个程序并行时要共享内存,而eval语句可能使程序进入错误的workspace,因此不要用eval,改用不同index赋值。
matlabpool local 2;
c = 1:5;
parfor i = 1:length©
a(i) = c(i);
end
parfor循环不能很好利用所有处理器怎么办?
是这样,
parfor i = 1:4
…
end
就只能用4个处理器,而如果不加这个parfor可能matlab自身的负载均衡能够更好地利用CPU。这里我是开起来3个matlab,比如服务器上有12个核。我就给每个matlab分配4个core(>>matlabpool local 4),每个程序里有一个parfor i = 1:4. 这样就可以用起来12个核。我知道这样好暴力……囧,有人知道正解的话指条明路吧。。
parfor,spmd不可以相互或者自身嵌套。
parfor使用有很多约束,比如for循环内的表达式需要显式表达(透明性),不依赖前项。如
parfor i = 3:10
f(i) = f(i-1)+f(i-2);
end
是不行滴。。
欢迎留言其他并行技巧和方法,谢谢!
Reference:
MATLAB官网——Parallel Computing Toolbox
详细讲解并行用法(貌似阿拉伯人写的……o(╯□╰)o)
详细并行代码
多核计算平台中MATLAB并行计算
Parallel Computing Toolbox User’s Guide
matlab算例并行教程,Matlab并行编程方法相关推荐
- matlab中右三角形方向,《有限元基础教程》_【MATLAB算例】4.7.1(2) 基于3节点三角形单元的矩形薄板分析(Triangle2D3Node)...
[MATLAB 算例]4.7.1(2) 基于3节点三角形单元的矩形薄板分析(T riangle2D3Node) 如图4-20所示为一矩形薄平板,在右端部受集中力100 000F N =作用,材料常数为 ...
- matlab patch 六面体,《有限元基础教程》_【MATLAB算例】4.8.2(1) 基于8节点六面体单元的空间块体分析(Hexahedral3D8Node)...
[MATLAB 算例]4.8.2(1) 基于8节点六面体单元的空间块体分析(Hexahedral3D8Node) 如图4-23所示的一个空间块体,在右端部受两个集中力F 作用,其中的参数为: 1051 ...
- 五杆桁架matlab有限元分析,《有限元基础教程》_【MATLAB算例】3.2.5(2)__四杆桁架结构的有限元分析(Bar2D2Node)...
[MATLAB算例]3.2.5(2)四杆桁架结构的有限元分析(Bar2D2Node) 如图3-8所示的结构,各个杆的弹性模量和横截面积都为42 E N mm =?, 29.510/ 2 =.试基于MA ...
- matlab 高斯迭代法求解,高斯迭代法matlab算例
Matlab 线性方程组的迭代解法 Gauss-Seidel 迭代法 Matlab 线性方程组的迭代解法 Gauss-Seidel 迭代法实验报告 1.熟悉 Gauss-Seidel 迭代法,并编写 ...
- 模糊控制matlab算例,matlab模糊逻辑工具箱
基本FIS编辑器(MATLAB模糊逻辑工具箱函数)_IT/计算机_专业资料.基本FIS编辑器 MATLAB模糊逻辑工具箱函数 基本FIS 编辑器函数 fuzzy 格式 fuzzy %弹出未定义的基本 ...
- matlab基础与实例教程,MATLAB基础与实例教程
系统全面,实例丰富 考虑到Matlab进行仿真和运算分析时的基础知识和实践操作,讲解从基础的变量.函数.数据类型等入手,涉及到数学分析.图形可视化.Simulink仿真.文件读写等,全面地介绍了Mat ...
- Bootstrap方法(参数和非参数Bootstrap方法)、Matlab算例
非参数Bootstrap方法 设总体的分布FFF未知,但按放回抽样的方法抽取了一个容量为nnn的样本,称为Bootstrap样本或称为自助样本.独立地取多个Bootstrap样本,利用这些样本信息对总 ...
- 【机会约束、鲁棒优化】具有排放感知型经济调度中机会约束和鲁棒优化研究【IEEE6节点、IEEE118节点算例】(Matlab代码实现)
- matlab求函数极值教程,MATLAB程序设计教程(7)—MATLAB解方程与函数极值
MATLAB程序设计教程(7)--MATLAB解方程与函数极值 第7章MATLAB解方程与函数极值 7.1 线性方程组求解 7.2 非线性方程数值求解 7.3 常微分方程初值问题的数值解法 7. ...
最新文章
- AI 一分钟 | 谷歌发布72量子比特处理器,或将为机器学习应用提供加速;百度已经发起对景驰撤诉,但不会对王劲撤诉
- 9月,最值得看的30篇肠道健康文献!
- Openstack Nova 源码分析 — RPC 远程调用过程
- 寻找数组中的最大值和最小值
- 几个必知的python小知识
- 域名到期续费删除的相关规则
- python vtk_VTK在python环境下的安装和调用
- sqoop从HDFS导出数据到Mysql,卡在Running job: job_1571036741208_0010不动了,或者map 100% reduce 0%不动了
- hadoop学习笔记-目录
- java emf 转jpg_java – emf到jpg的转换
- DBnet检测知识蒸馏+tensorrt推理(文字检测+条形码检测)
- #436. 子串的最大差(单调栈)
- idea环境下lombok插件的安装和使用
- ASO优化方法有哪些_五大ASO优化方法
- cisco思科模拟器中断translating域名翻译快捷键
- 【JAVASCRIPT】-【AES加密解密】01、前端AES加密解密的方式
- excel自动翻译-excel一键自动翻译免费
- php 自定义生成短链工具
- AE自带抠像插件解释
- SpringBoot 快速集成 JWT 实现用户登录认证