MATLAB 并行编程

1.使用gpu 并行编程

       1). 使用语句 gpuDevice(1) 初始化 gpu

       2).使用 methods('parallel.gpu.GPUArray') 可以知道gpu支持的函数

              A = parallel.gpu.GPUArray.randi(N);   % 在gpu上生成 N个随机整型数据

              B = log(A);                       %对这些数据在 gpu上进行log 运算 

             C = gather(A);                     %返回到matlab client  中C数组中

2.使用 parfor 语句并行

       1). 使用matlabpool 命令启动多个处理单元(matlab 并行计算中称之为labs或 works)

       2). 将循环体中的for关键字修改为 parfor 关键字，通过matlab程序解释器将此循环交由matlabpool启动的多个处理单元完成。如下所示：

            startmatlabpool；

            parfor i= 1： 80

                     A= i；

            end；

      3). 使用parfor 尽量减少数据间通信，即运算相对独立，和前后次运算没什么关系。比如 

              f(i) = f(i - 1) + f(i - 2)  使用parfor则效率较低。其中也有特例，即 简约操作，简约操作应该满足交换律，结合律

               x =    ; % initialization of x

             parfor i = 1 : n

                 x = x + d( i );

             end

         上例中，初始化计算时，x仍在matlab client ，循环时被分段分配到matlab worker，各个断独立计算 X。 分段计算的x传输到 matlab client ，然后将各个分段计算x 累加

 

 3.使用 distribute job 实现并行

    使用 batch job 批处理 matlab 脚本或matlab 函数

         function [out] = batchjobfunc(ib, ie)

         parfor kk = ib: ie

           data = rand(500, 500);

          data = medfilt2 (data, [10, 10]);

          out( kk) = sum(data(: ));

      end

    利用4个matlabpool 并行执行 batchjobfunc 函数如下所示：

    sc = findResource('scheduler','configuration','local');     %利用scheduler 管理器找到计算资源

    bjob = batch(sc,@batchjobfunc,1,{1,5},'matlabpool',4);  % @batchjobfunc 为函数句柄，1表   示1个返回值，{1,5} 是函数传递参数，4 表示分配4个计算池

    waitForState(bjob);                                                                 %等待执行完毕

   results = getOutputArguments(bjob;)                                  % 这里得到的result是 cell 类型

   A= cell2mat(results);                                                                %转化为数组类型

参考文献：

1.刘维.《实战 matlab并行程序设计》.北京航空航天大学出版社.2012