matlab内循环并行计算_matlab分布式并行计算_matlab2014a并行计算(3)

% 设置共享文件夹，映射网络驱动器

% set( job, 'PathDependencies', {'Z:\Test'} );

% 另一种方法，把用到的原程序文件传给所有 workers。matlab内循环并行计算

%set( job, 'FileDependencies', {'hp.m', 'hp1.m', 'x.mat', 'y.mat'} );

在创建Job之后，使用createTask函数为该Job创建Task。Task定义了Worker所要执行的函数。在本例中，每个Task将会生成3*3的随机数矩阵。

createTask(job, @rand, 1, {3,3});

createTask(job, @rand, 1, {3,3});

createTask(job, @rand, 1, {3,3});

createTask(job, @rand, 1, {3,3});

createTask(job, @rand, 1, {3,3});

T = createTask(job, @rand, 1, {{3,3} {3,3} {3,3} {3,3} {3,3}});

Matlab client 对parfor关键字的处理，它将任务分配到多个Matlab workers上并行执行程序，假设m为Matlab worker的数量，循环次数为n,若n/m为整数的话，则循环被均匀划分到Matlab worker，否则，循环被非均匀划分，部分Matlab worker的负载会大些。

parfor主要是针对循环进行并行，parfor执行时将循环分解为独立的部分，然后将各个部分并行执行，提高程序的执行效率。MATLAB并行执行parfor循环时，采用client和worker模式，用户可以将matlab理解为一个进程，一台计算机可以运行多个matlab进程。for循环完全顺序执行，而parfor的执行顺序与parfor分段在matlab worker 之间的分配顺序有关，有可能会随机执行。（参考：刘维《实战Matlab之并行程序设计》）

将传统的for循环改为parfor循环，就会将循环体作为整体分到到一个个处理器中，从而一次性进行多组运算。在使用parfor时，代码的编写有一些注意事项，最主要的是其中变量的处理。matlab的帮助文档中有详细的描述。在parfor中，变量不再是随心所欲的使用，有着其自己的分类。在parfor运行时，我们经常会遇到这样的错误“Error: The variable xxx in a parfor cannot be classified.”说的就是变量xxx不能被正常划分到正确的类别中。

2：将串行循环中的for关键字改为parfor，并注意是否修改循环体，以满足特定需求，如循环变量，下标

matlab使用变量的一个好处是不需要预定义。但是在使用parfor时，这会弄混sliced变量和临时变量。由于临时变量不需要有sliced变量的限制，使用更自由，因此一定要区分开。方法是在parfor中对临时变量进行预定义。例

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-40306-3.html