科学计算与数据处理综合设计实验四.docxVIP

0 0 科学计算与数据处理综合设计 实验四 科学计算与数据处理实验报告 学 S313060052 姓 名 王腾祥 号 实 验 名 称 科学计算与数据处理综合设计实验 实 验 目 的 1、 深入研究MATLAB在计算机相关的 某一专业领域的综合应用 2、 熟悉MATLAB 中专业级Toolbox或 Simulink的功能和用法 3、 学会综合运用MATLAB解决并行运 算与神经网络-基于CPU/GPU的并行神 经网络运算 y=sim(net2,x); 二、打开 MATLAB workers matlabpool open 检查worker数量 poolsize^matlabpoolC^ize1) 三、设置train与sim函数中的参数 ^UseparaUeP 为 “yes”。 net2=train(netl,x,t/UseparaIler/yesf) y=sim(net2,x/Useparaller/yes*) 四、使用“showResources^ 四、使用“ showResources^选项证实神经网 络运算确实在各个worker上运行口 net2=train(netl,x5t/useParalIer/yes/showRe sources\*yesT); y=sim(net2,x/useParaller,yes,/showResourc esT/yesf); 五、将一个数据集进行随机划分，同时保存到 不同的文件 for i=l:matlabpoolfsize1) 实 验 CPU并行 方 案 一、标准单线程的神经网络训练与仿真过程 [x,t]=house_datase t; n et仁feedforward net(10); n et2=trai n(n et1,x,t); x=ra nd(2,1000); save([i nputs nu m2str(i)],x) t=x(1,:).*x(2,:)+2*(x(1,:)+x(2,:)); save([target num2str(i)],t); clear x t end 六、实现并行运算加载数据集 for i=1:matlabpool(size) data=load([i nputs n um2str(i)],x) xc{i}=data.x data=load([target n um2str(i)],t) tc{i}=data.t; clear data end n et2=co nfigure( net2,xc{1},tc{1}); PAGE PAGE # n et2=trai n(n et2,xc,tc); yc=sim( net2,xc) 七、 得到各个 worker返回的Composite结果 for i=1:matlabpool(size) yi=yc{i} end 八、 GPU并行 coun t=gpuDeviceCo unt gpu仁gpuDevice(1) gpuCores仁gpu1.MultiprocessorC oun t*gpu1. SIMDWidth net2=trai n(n et1,x,t,useGPU,yes) y=sim( net,x,useGPU,yes) n et1.trai nFcn=trai nscg; net2=trai n(n et1,x,t,useGPU,yes,showReso urces,yes); Matlab神经网络43个案例分析 九、 并行运算与神经网络-基于CPU/GPU的 并行神经网络运算 by王小川(@王小川_matlab) Email:si na363@163.com /hgsz2003 十、清空环境变量 clear all clc warni ng off 十、打开 matlabpool matlabpool ope n poolsize=matlabpool(size); 十二、加载数据 load bodyfat_dataset in puts = bodyfatI nputs; targets = bodyfatTargets; 十三、创建一个拟合神经网络 hidde nLayerSize = 10; 隐藏层神经元个数 为10 net = fitn et(hidde nLayerSize); 创建网络 十四、指定输入与输出处理函数(本操作并非 必须) n et.i nputs{1}.processFc ns = {removec on sta ntrows,mapmi nmax}; n et.outputs{2}.processFc ns {removec on sta ntrows,mapmi nmax}; 十五、设置神经网络的训练 、验证、测试数据 集划分 net.divi