matlab並行之parafor

經常用matlab處理大型資料，有時某些資料處理起來可能要幾天甚至更久。如果演算法已經到最優，那麼提高速度的最後方法就是從硬體下手了。在這個什麼都開始並行的年代，matlab也提供了並行計算的功能，甚至能用GPU加速。matlab貌似在2010a開始支援並行計算，引入了一個工具箱，叫做parallel computing toolbox.它的使用方法，可以從matlab的協助獲得。

我現在對matlab並行的研究還只是冰山一角，只研究了它parfor的用法。可以再google中輸入matlab parfor，你將得到足夠多的資料來瞭解這是個什麼東西，如果你耐心，建議去研究研究matlab 協助中對parfor的說明。這裡我只大概講一下parfor。parfor就是paralle+for，也就是並行的for迴圈，怎麼個並行法。我理解就是，matlab會弄出幾個虛擬小pc，一個算i=1:30部分迴圈,一個算i=50:80部分迴圈,再來一個算i=90:120部分迴圈，當然數字是我瞎編的，我是想說matlab將一個大迴圈分成小塊，然後這些小塊並行計算，最後再合在一起。這樣，有一個問題，因為普通的迴圈是從i=1算到i=100，一個接一個算，如果下一次迴圈要依賴上一次迴圈怎麼辦。如果出現這種情況，那就不能用matlab的parfor了。用parfor的前提條件就是，迴圈的每次迭代獨立，不相互依賴。舉個簡單的例子，計算1+2+3...+100就可以用parfor，但是如果計算斐波那契數列的前100個數字，那就不能用parfor了。

parfor就先解釋到這裡，其實它涉及到的東西遠不止這些，而且感覺很令人糾結，如果你的C++很好，那就直接用C++吧。如果你還是想用matlab做並行，那就可以繼續向下看看我的一些經驗。

首先我是做影像處理的，1000多個映像，如果直接算可能要算上1天，所以我想用matlab的並行。我們都知道數位影像可以看成矩陣，我們經常用for迴圈裡面再加一個for迴圈來處理，但是parfor迴圈不能嵌套。那麼原來的

for i=1:N

　　for j=1:M

　　end

end

就必須改成

parfor i=1:N

　　for j=1:M

　　end

end

或者

for i=1:N

　　parfor j=1:M

　　end

end

但是，這都不是最好的方法，因為如果迴圈的次數太少，並行就顯現不出威力來，所以最好的方法是這樣:

for k=1:M*N

　　i=mod(k-1,M)+1    %行號

　　j=floor((k-1)/M)+1     %列號

end

要注意一點的是k是按照列來數的，也就是這樣

1 4 7

2 5 8

3 6 9

所以，行號和列號別算錯了。這樣其他代碼就可以不變了。

還需要注意的一點就是就是，如果對矩陣f的每個像素計算的點值要賦值給矩陣g。這個g要在迴圈外面聲明好，而且要固定大小，在parfor迴圈裡面最好也是向量，而非矩陣。計算完成後再用vec2mat函數轉換為矩陣，這個函數之後，可能還需要個轉置才能得到你需要的結果。

至於提高的速度來講，我處理一個680*340的矩陣，用2核提高了2倍，用4核提高了6倍。

然後就是如何聲明你要開啟的核（通常來講就是你的Pc有幾個核就聲明幾個）。

首先在matlab命令列裡輸入：matlabpool open local 4

然後它會提示你一些訊息，開啟成功後就像以前一樣操作就行。不想用了就再輸入matlabpool close，關閉並行。

這些內容也可以寫到函數裡面去,比如

function yourFun()

....

　　matlabpool('open','local',4);   %最後一個參數是你要開啟的線程數

　　　　parfor i=1:N

　　　　...

　　　　end

　　matlabpool close

....

end

如果你的parfor怎麼都通不了，或者速度變得更慢了，建議看matlab 協助中的這一部分，看明白了，自然就有答案了：

 

 

 

 

 

今天把一個以前的代碼改成了可以支援parfor的版本。 parfor好像只有matlab 2008a以上的版本才支援吧。按照官方的文檔，好像是一個核可以開啟一個job worker。俺的電腦是4核8線程的。使用預設local設定的時候，只看到cpu的使用率是50%。總是不爽。老想著要是它可以支援8個多好啊。這樣怎麼算都是單核的8倍了。。。鼓搗了一陣，還是不行。好像就是只能只能開啟最多跟cpu核心數一樣的worker了。 那就不管它了，4倍就4倍吧。聊勝於無。 第二個問題就是for迴圈裡面調用了別的函數的變數。以前為了省事，就用了一把一把的global。但是在parfor裡面，這個global是會出問題的。運行了一下，真的出問題了。僥倖都僥倖不過去了。 網上找了幾個替代的方案： 在編製MATLAB程式的過程中，常常會遇到多個函數裡要調用同一個變數的情況，這時候，一般採用全域變數（global）實現這樣的“變數共用”，但是global變數在每次使用前，必須進行聲明，使用不方便。作者根據自己使用MATLAB的經驗，採用MATLAB內建的evalin函數和assignin函數，可以較好的解決全域變數使用時所帶來的不便，實現多個函數共用一個變數的功能。具體如下： A1=evalin('base','A2') %將workspace中變數A2賦值給函數中裡的變數A assignin('base','R',D/2) %將D/2的值輸出到workspace，產生新的變數R 有興趣的朋友，趕緊試試吧~~~~~~ 也挺麻煩的，畢竟那麼多變數，一個一個的寫，對代碼的改動太大，以後容易出問題。 那麼最簡單的辦法呢，還是覺得直接把那些變數save到一個mat檔案裡面。在別的函數load一下就行了。 這樣就避免了global的使用。 嘗試了一下，可以，還是50%的cpu。 出來的結果也是正常的。 好歹也算是比4個小時少了3個小時了。 以後再看看matlab多線程的並行是咋搞的

 

 

Mathwoks在Matlab R2007a版本的Parallel Computing Toolbox（並行計算工具箱）中加入了並行迴圈parfor-loops，對於每一步可以獨立於其他步的迴圈，計算效率可以有較大幅度的提高。以前簡單的for迴圈for-loop是順序的(sequentially)執行每一步迴圈體(statement)，parfor-loop是通過將各個迴圈體分配到不同的節點上進行並行計算。所以parfor的要求是迴圈體之間相互獨立，結果各不影響，Matlab的編輯器會自動幫你檢查迴圈體的結果是否影響。當你初始化一個matlab進程時，這個進程被稱為Matlab Client，它起著和使用者互動和調度的作用。在並行計算工具箱中，通過matlabpool可以開啟多個matlab進程，這些進程被稱為Matlab Worker。並行迴圈parfor-loop的各個迴圈就是隨機的分配到這些Matlab Worker上進行同時的計算。最後再返回給Matlab Client. 在一個多核案頭上可以本地同時運行四個 worker （至R2009a，4.1版可達8個），如果與 MATLAB Distributed Computing Server 整合，就可以使用叢集中任意數量的機器作為worker了。

一個使用parfor-loop的例子:

123456789

<span style="color: rgb(34, 139, 34);">%example of parfor-loop</span><span style="color: rgb(34, 139, 34);">%本地worker數通常等於cpu的核心數</span>matlabpool <span style="color: rgb(0, 0, 255);">open</span> local <span style="color: rgb(51, 51, 255);">2</span>;parfor <span style="color: rgb(0, 0, 255);"><span style="color: rgb(51, 51, 255);">i</span></span>=<span style="color: rgb(51, 51, 255);">1</span>:<span style="color: rgb(51, 51, 255);">1024</span>A<span style="color: rgb(0, 136, 0);">(</span><span style="color: rgb(0, 0, 255);"><span style="color: rgb(51, 51, 255);">i</span></span><span style="color: rgb(0, 136, 0);">)</span> = <span style="color: rgb(0, 0, 255);">sin</span><span style="color: rgb(0, 136, 0);">(</span><span style="color: rgb(0, 0, 255);"><span style="color: rgb(51, 51, 255);">i</span></span>*<span style="color: rgb(51, 51, 255);">2</span>*<span style="color: rgb(0, 0, 255);">pi</span>/<span style="color: rgb(51, 51, 255);">1024</span><span style="color: rgb(0, 136, 0);">)</span>;<span style="color: rgb(0, 0, 255);">end</span><span style="color: rgb(0, 0, 255);">plot</span><span style="color: rgb(0, 136, 0);">(</span>A<span style="color: rgb(0, 136, 0);">)</span>;matlabpool <span style="color: rgb(0, 0, 255);">close</span>;