matlab并行計算之parfor

1、matlab 并行計算之parformatlab 并行計算之 parfor提高 matlab 代碼的執(zhí)行效率，是很多碼農(nóng)們的迫切愿望和需求。最重要的當(dāng)然是好的代碼結(jié)構(gòu)，向量化的語言的高效性是for 循環(huán)拍馬也趕不上的。但是，現(xiàn)實(shí)中很多時候我們是需要使用到for 循環(huán)的，為此可以使用 matlab 的并行計算來提高代碼執(zhí)行效率。并行計算的原理就是將代碼分配到多個處理器中進(jìn)行運(yùn)算。例如8 核的機(jī)器，就可以同時調(diào)動8 個處理器來運(yùn)算。不過為了在運(yùn)算時你不至于太無聊，還是留下一個給自己做其他事情用吧。1、啟動和關(guān)閉并行計算功能啟動 :CoreNum=7; %調(diào)用的處理器個數(shù)if matlabpool(

2、'size')<=0 %之前沒有打開matlabpool('open','local',CoreNum); else % disp('matlab pool already started'); end之前已經(jīng)打開關(guān)閉 :matlabpool close如果代碼還在調(diào)試階段，可以暫時不關(guān)閉matlabpool ，反復(fù)開關(guān)浪費(fèi)時間得很。另外， matlab 關(guān)閉后， matlabpool也會自動關(guān)閉，所以如果不是海量代碼，可以不用關(guān)閉的 ( 個人意見，沒有實(shí)測影響) 。2、parfor的使用將傳統(tǒng)的 for 循環(huán)改為 parf

3、or循環(huán)，就會將循環(huán)體作為整體分到到一個個處理器中，從而一次性進(jìn)行多組運(yùn)算。在使用parfor時，代碼的編寫有一些注意事項，最主要的是其中變量的處理。matlab 的幫助文檔中有詳細(xì)的描述。在此，我將摘取一部分重要的加以說明并舉例。在 parfor中，變量不再是隨心所欲的使用，有著其自己的分類。在parfor運(yùn)行時，我們經(jīng)常會遇到這樣的錯誤“Error: The variable xxxin a parforcannot be classified.”說的就是變量xxx 不能被正常劃分到正確的類別中。parfor變量一共分為 5 類，每一類的定義和用途就不說了，看一眼就明白。需要注意的是以下幾

4、點(diǎn)(1) 循環(huán)變量循環(huán)變量在循環(huán)體中的使用一定要具有獨(dú)立性，循環(huán)體之間不相關(guān)。例a(i)=a(i-1)*temp;是不行的。(2)sliced變量 ( 一般是數(shù)組，被各個處理器分割成一個個slice) slice變量在一個循環(huán)體內(nèi)只能出現(xiàn)一個slice，簡單說就是一個循環(huán)體內(nèi)只能出現(xiàn)slice數(shù)組的一個元素。例a(i)=temp1;a(i+1)=temp2;是不行的。另外， slice變量的下標(biāo)一定要連續(xù)，例a(2*i)=temp;是不行的。(3) 臨時變量matlab 使用變量的一個好處是不需要預(yù)定義。但是在使用parfor時，這會弄混 sliced 變量和臨時變量。由于臨時變量不需要有 sliced 變量的限制，使用更自由，因此一定要區(qū)分開。方法是在 parfor 中對臨時變量進(jìn)行預(yù)定義。例 parfor i=1:10b=zeros(1,4); for j=1:4