Как использовать параллельную обработку в Matlab

поскольку у вас есть доступ к Parallel toolbox, я предлагаю вам сначала проверить, можете ли вы сделать это простым способом.

в основном, вместо того, чтобы писать

for i=1:lots
   out(:,i)=do(something);
end

вы пишите

parfor i=1:lots
   out(:,i)=do(something);
end

затем, вы используете matlabpool для создания нескольких работников (вы можете иметь максимум 8 на вашем локальном компьютере с набором инструментов и тонны на удаленном кластере, если у вас также есть лицензия распределенного вычислительного сервера), и вы запускаете код и видите хороший прирост скорости, когда ваши итерации выполняются 8 ядрами вместо одного.

хотя parfor маршрут самый простой, он может не работать прямо из коробки, так как вы можете сделать индексацию неправильно, или вы можете ссылаться на массив проблемным способом и т. д. Посмотрите на предупреждения mlint в Редакторе, прочитайте документацию и полагайтесь на старые добрые проб и ошибок, и вы должны выяснить это достаточно быстро. Если у вас есть вложенные циклы, часто лучше всего распараллелить только самый внутренний и обеспечить его делает тонны итераций-это не только хороший дизайн, но и уменьшает количество кода, который может дать вам проблемы.

обратите внимание, что особенно если вы запускаете код на локальном компьютере, вы можете столкнуться с проблемами памяти (которые могут проявляться в очень медленном выполнении в параллельном режиме, потому что вы подкачки): каждый работник получает копию рабочей области, поэтому, если ваш расчет включает в себя создание массива 500 МБ, 8 рабочих потребуется всего 4 ГБ ОЗУ - и тогда вы даже не начали подсчет ОЗУ родительского процесса! Кроме того, может быть полезно использовать только N-1 ядра на вашем компьютере, так что есть еще одно ядро для других процессов, которые могут работать на компьютере (например, обязательный антивирус...).