雷达信号处理仿真之CPU加速知识总结 0 写在前面 记得在上学时候，用凸优化工具包进行雷达算法仿真时，经常晚上不关机跑代码。当时更注重算法的性能，没有考虑加速的事情，也可能当时Matlab还没开发出并行计算工具箱。 在雷达信号处理仿真，比如杂波仿真计算时，运算量极大，动辄7-8个小时，甚至几天。又由于GPU价格不菲，因此本文重点介绍下基于CPU的Matlab加速，即多线程加速。 1 基本介绍 ParallelComputingToolbox 使您能够使用多核处理器、GPU 和计算机集群来解决计算和数据密集型问题。 并行 for 循环、特殊类型的数组和并行数值算法等高级构造允许 MATLAB 应用程序并行化，而无需 MPI 或 CUDA 编程。 该工具箱允许您使用与 MATLAB 和其他工具箱中的并行微积分兼容的函数。 您可以将工具箱与 Simulink 结合使用来并行运行模型的多个仿真。 程序和模型可以以交互和批处理模式运行。 该工具箱允许您利用多核计算机的所有处理能力，这要归功于在本地执行的工作程序（MATLAB 计算引擎）中执行的应用程序。 无需修改代码，就可以在集群或云中运行相同的应用程序（使用 MATLAB Parallel Server）。 您还可以将工具箱与 MATLAB Parallel Server 结合使用来运行单台计算机内存无法容纳的矩阵计算。 使用并行 for 循环 (parfor) 并行或多核 CPU 运行独立迭代，以解决参数扫描、优化和蒙特卡洛模拟等问题。 parfor 可自动创建并行组并管理文件依赖性，因此您可以专注于您的工作。 各种 MATLAB 和 Simulink 产品中的许多关键函数都具有支持并行计算的函数。 通过并行计算工具箱，这些函数可以在可用的并行计算资源之间分配计算。 可以交互式地批量运行并行应用程序。
使用并行计算工具箱通过额外的 CPU 和 GPU 资源来加速 MATLAB 和 Simulink 2 基本概念 2.1线程与进程环境 基于线程的环境仅支持可用于基于进程环境的 MATLAB 函数的子集。在基于线程的环境中，并行语言在机器的核心（CORE）上运行代码。它们与进程的不同之处在于它们共存于同一进程中并且可以共享内存。
线程与进程的区别 线程好处：因为线程Worker可以共享内存，所以它们可以访问数字数据而无需复制，因此它们内存效率更高;线程之间的通信耗时较少。 因此，调度的开销任务或Worker之间的沟通较小。 进程的好处： • 它们支持所有语言功能并向后兼容以前的版本。在死机、崩溃时它们更加稳健。 如果进程工作崩溃，则 MATLAB 客户端不会崩溃。 如果进程工作崩溃并且您的代码不使用 spmd 或分布式数组，然后其余的Worker可以继续运行。 • 如果您使用workers 的外部库，则无需注意线程安全。 • 您可以使用集群功能，例如批处理。 总结：多机器(集群)可以采用多进程，单机器多进程相当于开多个Matlab客户端(经常折磨干)，单机吃不消。因此在计算资源有限的算法仿真中，一般采用多线程的方式。 2.2 并行池 并行池是计算集群或个人电脑的一组 MATLAB workers。 默认情况下，当并行语言功能（例如 parfor）需要时，池会自动启动。你可以在并行菜单中改变池大小和集群。 并行池中的worker在工作的生命周期内可以交互使用并相互通信。MATLAB 客户端会话一次仅使用一个并行池。在 MATLAB 中，当前的并行池是由parallel.Pool对象表示。
并行池示意图 许多函数可以自动启动并行池，包括：parfor spmd distributed Composite parfeval parfeval OnAll gcp mapreduce mapreducer tall ticBytes and tocBytes。 ”mapreduce”,哈哈，大数据分布式那一套东西，Matlab也支持。Hadoop、Spark等大数据基础设施。 手动并行池：可以使用 MATLAB 桌面左下角的并行状态指示器来启动并行状态。
手动并行池示意图 其他参数设置：可以通过窗口化，设置。
其他参数设置 3 重要的点 3.1低开销与高开销 应用并行计算，主要存在数据传输问题，若数据传输量大且计算简单，一般称为高并行开销，反之为低并行开销，低并行开销更适合并行池计算。 低开销官方举例： Elapsed time is 31. seconds. Elapsed time is 10. seconds. 我的结果： 历时 19. 秒。 Starting parallel pool (parpool) using the ‘local’ profile … Connected to the parallel pool (number of workers: 12). 历时 82. 秒。 SHIFT ！居然多用了这长时间，究其原因为初始化用了很长时间。 再执行一次结果如下： 历时 17. 秒。历时 6. 秒。 NICE! 这结果基本可以接收。 高开销官方举例： 此示例说明了为什么高并行开销计算不能转换为parfor循环运算。 线程池这玩意开启一次，后面就快了，过段时间不用就自己停止了。 3..2循环间相互独立 确保循环间相互独立，因此并行计算没有顺序的概念。
3.3 循环嵌套 不能将 parfor 直接嵌套在另一个 parfor 循环中。
parfor循环可以调用包含 parfor 循环函数，但您不会获得任何额外的并行性。确保迭代次数超过worker数量。始终并行运行最外层循环，因为这样可以减少并行开销。 Tips：您可以使用 tic 和 toc 来分析 parfor 循环，以测量与相应的for循环。 使用 ticBytes 和 tocBytes 来测量传输了多少数据以及并行池中的Workers。 3.4 内循环注意点 必需（静态）：必须通过常量数字或广播变量定义嵌套在 parfor 循环中的 for 循环的范围。
必需（静态）：嵌套 for 循环的索引变量不得显式复制。
必需（静态）：不能对嵌套 for 循环变量进行索引或下标。
必需（静态）：当使用嵌套 for 循环变量来索引切片数组时，必须以普通形式使用变量，而不是作为表达式的一部分。
必需（静态）：如果使用嵌套 for 循环来索引切片数组，则不能使用它parfor 循环中其他位置的数组。
4 总结讨论 一个parfor 就可以cpu加速了。对这种偏工程的东西，总结多少说多少都没用。啥也不如自己动手搞起来。热乎的速度提升4倍，美滋滋~ 
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/46229.html
