Python以及MATLAB并行计算总结

介绍

本篇文章将简要总结一下python和MATLAB中并行计算的实现。需要强调的是，并行计算只可以用于计算步骤之间独立没有递进关系的情况。
I

MATLAB

在MATLAB中，实现起来较为容易，只需要将“for”改为“parfor”即可，还可以手动指定需要的核心数，命令为kernum=parpool(poolnum),但是需要注意的是，记得在运行完后关掉delete(kernum)

poolnum=10; % numbers of kernels
kernum=parpool(poolnum)
parfor l=1:numloop
%do something here
end
delete(kernum)
%the delete step is very important because in cluster we may use  more than a dozen cores.If we stop the program directly without closing the parallel pool, the cluster may crash or take a long time to become normal.

当然，parfor也有其他的许多限制，比如对于矩阵的切片A(:,l)=B这种赋值方式可能是行不通的。我这只是一个简单的介绍，而且足以应对大部分场景了。

Python

python虽然一直被诟病就是慢，但是有时候有些函数直接调用c语言时，还是可以非常快的，关于python的并行计算的介绍可以常见下面的文章，主要用到的包是 “multiprocessing”
https://docs.python.org/3.4/library/multiprocessing.html?highlight=process

python的并行计算的方法很多，用法多样，我这里展示我自己用到过的一段代码，作为记录

import multiprocessing as mp
import numpy as np
%use a function to define what we want to do
def fun=(a,b,c,d):
#do something here
    return fun
# number of process you are going to use
processnum=10

if __name__ == '__main__':#this is needed in windows
    pool = mp.Pool(processes=processnum) 
    #results1 = [pool.apply(fun, args=(l,loop_mat)) for l in range(numloop)] 
    #get the  ordered values directly and store the results in results1
    results2 = [pool.apply_async(fun, args=(l,loop_mat)) for l in range(numloop)] 
    #get the values arbitrarily
    value_1= [p.get() for p in results2]# use this get function to obtain the calculated value
    pool.terminate() #shut down

注意上面的if __name__ == '__main__':#this is needed in windows是一段保险的代码，在windows上是需要的。