Matlab 并行工具箱学习总结.pdf

目录 Matlab 并行工具箱学习 1 1. 简介 1 1.1. 并行计算 1 1.2. 并行计算平台 1 1.3. Matlab 与并行计算 1 2. Matlab 并行计算初探2 2.1. 并行池2 2.1.1. 配置和开启池（parpool ）2 2.1.2. 获取当前池（gcp ）3 2.1.3. 关闭池（delete ）4 2.2. 循环并行parfor 4 2.2.1. Matlab client 和Matlab worker 4 2.2.2. 并行程序中的循环迭代parfor 4 2.2.3. 利用parfor 并行for 循环的步奏5 2.3. 批处理（batch ）5 2.3.1. 运行批处理任务5 2.3.2. 运行批处理并行循环6 2.4. MATLAB 的GPU 计算6 2.4.1. GPU 设备查询与选择8 2.4.2. 在GPU 上创建阵列8 2.4.3. 在GPU 上运行内置函数9 2.4.4. 在GPU 上运行自定义函数 10 3. 总结 11 参考文献 1 高性能计算 高性能计算 Matlab 并行工具箱学习 1. 简介 高性能计算(High Performance Computing ，HPC)是计算机科学的一个分支，研究并行算 法和开发相关软件，致力于开发高性能计算机。可见并行计算是高性能计算的不可或缺的重 要组成部分。 1.1. 并行计算 并行计算（Parallel Computing ）是指同时使用多种计算资源解决计算问题的过程，是提 高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来协同求 解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计 算。并行计算系统既可以是专门设计的、含有多个处理器的超级计算机，也可以是以某种方 式互连的若干台的独立计算机构成的集群。通过并行计算集群完成数据的处理，再将处理的 结果返回给用户[1]。 1.2. 并行计算平台 平台是并行计算的载体，它决定着你可以用或只能用什么样的技术来实现并行计算。 多核和集群技术的发展，使得并行程序的设计成为提高数值计算效率的主流技术之一。 常用的小型计算平台大致分为：由多核和多处理器构建的单计算机平台；由多个计算机组成 的集群（Cluster ）。前者通过共享内存进行数据交互，后者通过网络进行数据通信。 计算正在从 CPU （中央处理）向 CPU 与 GPU （协同处理）的方向发展。 GPU 最早主要应用在图形计算机领域，近年来，它在通用计算机领域得到了迅猛的发 展，使用GPU 做并行计算已经变得越来越重要和高效。 常用的并行计算技术包括多线程技术、基于共享内存的OpenMP 技术，基于集群的MPI 技术等。但它们都需要用户处理大量与并行计算算法无关的技术细节，且不提供高效的算法 库，与数值计算的关联较为松散。 1.3. Matlab 与并行计算 Matlab 即是一款数值计算软件，又是一门语言，它已经成为数值计算领域的主流工具。 Matlab 提供了大量高效的数值计算模块和丰富的数据显示模式，便于用户进行快速算法的