Matlab multicore setup

I found a good material/manual
[www] http://mirlab.org/jang/books/matlabProgramming4guru/02-2_Optimization4codeNmem.asp?title=2-2%20%A5%AD%A6%E6%B3B%B2z

Here is the content:

2-2 平行處理

此外，我們也可以借用多核電腦的平行處理，來加速程式碼的執行。欲達到此功能，你的電腦必須具備多核心，而且你的系統也必須先安裝平行處理工具箱（Parallel Processing Toolbox，簡稱 PCT）。若兩者兼備，加速計算的方法如下：

1. 在使用平行處理指令之前，下達「matlabpool local n」指令，其中 n 代表核心數目，例如 4（四核心電腦）或 8（八核心電腦）。
2. 使用 parfor 指令來取代原來的 for 迴圈，其指令格式如下： parfor loopvar = initval:endval, statements, end
3. 最後下達「matlabpool close」來關閉平行處理的功能。

我們就可以來嘗試一個簡單的範例：

Example 1: 02-程式碼與記憶體之最佳化/parfor01.m

ver distcomp % 顯示 PCT 的版本 matlabpool local 4 n = 100; rowMedian1=zeros(1000, 1); rowMedian2=zeros(1000, 1); % === 第一種方法：common for-loop tic for i = 1:1000 rowMedian1(i) = max(eig(rand(n))); end time1 = toc; % === 第二種方法：parallep for-loop tic parfor i = 1:1000 rowMedian2(i) = max(eig(rand(n))); end time2 = toc; fprintf('time1 = %g, time2 = %g, speedup factor = %g\n', time1, time2, time1/time2); matlabpool close------------------------------------------------------------------------------------------------------- MATLAB Version: 8.1.0.604 (R2013a) MATLAB License Number: DEMO Operating System: Microsoft Windows 7 Version 6.1 (Build 7601: Service Pack 1) Java Version: Java 1.6.0_17-b04 with Sun Microsystems Inc. Java HotSpot(TM) 64-Bit Server VM mixed mode ------------------------------------------------------------------------------------------------------- Parallel Computing Toolbox Version 6.2 (R2013a) Starting matlabpool using the 'local' profile ... connected to 4 workers. time1 = 4.94823, time2 = 1.62187, speedup factor = 3.05094 Sending a stop signal to all the workers ... stopped.

在這個範例中，我們產生了 1000 個 100x100 的亂數矩陣，然後計算每一個矩陣的特徵值（共有 100個）的最大值，若使用平行處理專用的 parfor 迴圈，計算速度是一般 for 迴圈的 3 倍左右。（我的電腦是四核心。） 如果你在執行 MATLAB 時，一邊還要還要修改論文，此時若 MATLAB 佔用了所有的多核 CPU，可能會導致電腦整個慢下來，讓你無法進行文書編輯。因此 parfor 提供另一個參數，可以指定所用到的工作者個數，指令格式如下：
parfor (loopvar = initval:endval, M), statements, end 其中 M 即是所用到的核心個數。例如在下例中，雖然我的電腦是四核心，但我只使用兩核來進行 parfor 的運算：

Example 2: 02-程式碼與記憶體之最佳化/parfor02.m

fprintf('MATLAB version = %s\n', version); matlabpool local 4 n = 100; rowMedian1=zeros(1000, 1); rowMedian2=zeros(1000, 1); % === 第一種方法：common for-loop tic for i = 1:1000 rowMedian1(i) = max(eig(rand(n))); end time1 = toc; % === 第二種方法：parallel for-loop using 2 workers tic parfor (i = 1:1000, 2) % 只用兩個核心 rowMedian2(i) = max(eig(rand(n))); end time2 = toc; fprintf('time1 = %g, time2 = %g, speedup factor = %g\n', time1, time2, time1/time2); matlabpool closeMATLAB version = 8.1.0.604 (R2013a) Starting matlabpool using the 'local' profile ... connected to 4 workers. time1 = 4.91713, time2 = 2.58577, speedup factor = 1.90162 Sending a stop signal to all the workers ... stopped.

由於只用到兩核，所以加速倍數接近兩倍。 在使用 parfor 迴圈時，有幾點要特別注意：

• 因為每個迴圈可能有不同的核心同時計算，因此迴圈之間不能有相依性，否則會造成錯誤的結果，這是特別需要注意之處。
• 在 parfor 迴圈的迴圈變數必須是整數，而且每次變大幅度都是1，以下是幾個不符合規定的範例：

  不合格的 parfor 用法	說明
  parfor i = 1:2:25	1, 3, 5,... 非連續整數。
  parfor i = -7.5:7.5	-7.5, -6.5,... 非整數。
  A = [3 7 -2 6 4 -4 9 3 7]; parfor i = find(A>0)	結果是 1, 2, 4,...，非連續整數。
  parfor i = [5;6;7;8]	[5;6;7;8]是一個行向量，而非 parfor 所須要的列向量。

PCT 是一個功能強大的工具箱，目前也可以支援多台電腦的平行運算，並可以使用 GPU（Graphic Processing Unit，圖形處理器）來進行大量的平行運算，詳細功能請參考下一小節的介紹。

---

MATLAB程式設計：進階篇