پردازش موازی (Parallel Computing) در متلب
نرم افزار متلب، این امکان را به وجود آورده است که در کامپیوترهای دارای پردازنده (CPU) چند هسته ای، از پردازش موازی (Parallel Computing) استفاده نماییم. در این مبحث آموزشی، قصد داریم که نحوه نوشتن کدهای متلب، برای پردازش موازی کدها را شرح بدهیم.
اگر بخواهیم کدهای متلب مورد نظرمان، به صورت موازی پردازش شوند (Parallel Computing)، باید شکل کلی کدها به صورت زیر باشد :
% your code
matlabpool('close');
که در آن، به جای عبارت % your code ، باید کدهای متلب مورد نظر خود را بنویسید. به عدد 2 که درون پرانتز اولین دستور matlabpool نوشته شده است، دقت کنید. این عدد، تعداد هسته هایی (cores) را مشخص کرده است که قصد دارید توسط آنها، کدها به صورت موازی پردازش شوند. بنابراین مثلا اگر کامپیوتر شما دارای پردازنده (CPU) چهار هسته ای است، شما باید، حداکثر، عدد 4 را به جای آن بنویسید.
همچنین توجه داشته باشید که شما می توانید تعیین کنید که همه کدها یا یک یا چند بخش دلخواه از کدهای برنامه متلب خود را، به صورت موازی، پردازش نمایید، بنابراین تنها کافی است که آن بخش های مورد نظرتان از کدها را در میان دو عبارتی که در بالا به کار بردیم، قرار بدهید.
به مثال زیر توجه کنید :
در ابتدا کدی را به صورت معمولی (بدون پردازش موازی) می نویسیم و سپس همان را با پردازش موازی اجرا می کنیم و همچنین زمان اجرای دستورات را هم با دو دستور tic و toc محاسبه می کنیم تا ببینیم که پردازش موازی، تا چه حد در سریعتر اجرا شدن کدهای برنامه، تاثیر دارد.
برنامه ای شامل دو حلقه for متوالی می نویسیم، البته به صورت معمولی و بدون استفاده از پردازش موازی :
close all
clc
tic
x=0;
for nn=1:1000
x=nn^5;
end
x
y=0;
for mm=1:1000
y=mm^5;
end
y
toc
نتیجه :
1.0000e+015
y =
1.0000e+015
Elapsed time is 0.005328 seconds.
مشاهده می کنید که زمان پردازش دو حلقه for ، برابر 0.005328 ثانیه بوده است.
حالا این بار، از پردازش موازی استفاده می کنیم تا ببینیم تا چه حد، زمان پردازش کدها کاهش می یابد (البته شروع و پایان خود پردازش موازی، چند ثانیه ای طول می کشد، ولی این میزان، برای برنامه های بزرگ که مد نظر اکثر کاربران است، بسیار ناچیز می باشد) :
close all
clc
matlabpool('open',2); % start of Parallel Computing
tic
x=0;
for nn=1:1000
x=nn^5;
end
x
y=0;
for mm=1:1000
y=mm^5;
end
y
toc
matlabpool('close'); % end of Parallel Computing
نتیجه :
x =
1.0000e+015
y =
1.0000e+015
Elapsed time is 0.002837 seconds.
Sending a stop signal to all the labs ... stopped.
این بار، زمان پردازش دو حلقه for ، برابر با 0.002837 ثانیه شده است که از عدد قبلی (پردازش معمولی، پردازش سری)، کمتر است (تقریبا نصف).
دقت کنید که در مثال بالا، تنها دو حلقه for ، به طور موازی با هم اجرا می شوند، اما کدهای درون هر حلقه for ، به طور موازی اجرا نخواهند شد (منظور این است که مثلا اگر حلقه for دارای پارامتری از 1 تا 1000 است، این 1000 بار اجرا شدن حلقه، به صورت موازی نخواهد بود، بلکه به صورت پشت سرهم و سری است).
اما شاید بخواهیم که دستورات درون حلقه for نیز به صورت موازی اجرا گردند، برای این منظور، دستور parfor در متلب در نظر گرفته شده است. دقت کنید که برای استفاده از این دستور، باید هر گام (مرحله) از اجرای حلقه، از دیگر گام ها (مراحل)، مستقل باشد. مثلا اگر در همان مثال قبل، دستورات for را به parfor تبدیل کنیم، جوابی غیر منتظره خواهیم گرفت، زیرا در هر گام (مرحله)، مقدار جدیدی برای متغیر x یا y در نظر گرفته می شود، بنابراین یک متغیر، در گام های مختلف اجرای حلقه، مقادیر متفاوت خواهد داشت، بنابراین گام ها از هم مستقل نیستند. پس نباید برای آن، پردازش موازی به کار ببریم.
برای درک بهتر این موضوع، به مثال زیر توجه کنید :
در همان مثال قبل، به جای دستور for ، از دستور parfor استفاده می کنیم :
close all
clc
matlabpool('open',2); % start of Parallel Computing
tic
x=0;
parfor nn=1:1000
x=nn^5;
end
x
y=0;
parfor mm=1:1000
y=mm^5;
end
y
toc
matlabpool('close'); % end of Parallel Computing
نتیجه :
x =
0
y =
0
Elapsed time is 0.594762 seconds.
Sending a stop signal to all the labs ... stopped.
مطمئنا انتظار چنین پاسخی را نداشتید. این پاسخ به این دلیل است که گام های اجرای حلقه، از یکدیگر مستقل نمی باشند.
اکنون، مثالی را برای parfor می نویسیم که گام های حلقه، از هم مستقل باشند (تعداد گام ها را کمتر کردیم تا نتیجه راحتتر قابل نمایش باشد) :
close all
clc
matlabpool('open',2); % start of Parallel Computing
tic
x=zeros(1,10);
parfor nn=1:10
x(1,nn)=nn^5;
end
x
y=zeros(1,10);
parfor mm=1:10
y(1,mm)=mm^5;
end
y
toc
matlabpool('close'); % end of Parallel Computing
نتیجه :
x =
Columns 1 through 7
1 32 243 1024 3125 7776 16807
Columns 8 through 10
32768 59049 100000
y =
Columns 1 through 7
1 32 243 1024 3125 7776 16807
Columns 8 through 10
32768 59049 100000
Elapsed time is 0.676398 seconds.
Sending a stop signal to all the labs ... stopped.
همین نتیجه را انتظار داشتیم. در این مثال، x و y ، هر کدام دارای 10 عنصر هستند، بنابراین، مثلا اگر دستورات حلقه x ، به صورت موازی اجرا گردند، 10 گام آن، در هم تداخل ندارند، زیرا هر بار، یک عنصر متفاوت از x ، مقداردهی می شود (هیچ دو گامی نیست که در آنها، یک عنصر مشترک، مقداردهی شود).
یک سوال مهم، این است که آیا اگر یک تابع را به صورت m-file تعریف کنیم و سپس در یک برنامه متلب، دو بار به آن ارجاع دهیم و برنامه به صورت موازی اجرا شود، آیا عملکرد برنامه صحیح خواهد بود ؟
حال پاسخ این سوال را، با یک مثال، برای شما روشن خواهم کرد :
ابتدا یک تابع با نام my_function می سازیم (تابع به صورت m-file)، که کدهای آن به صورت زیر می باشد :
parfor nn=1:10
x(1,nn)=nn^5;
end
این کدها را درون یک m-file نوشته ایم و سپس آن را با نام my_function ذخیره نموده ایم. همچنین فایل این تابع و فایل برنامه ای که خواهیم نوشت، باید هر دو درون یک فولدر قرار داشته باشند (یا مسیر هر دو فایل را به مسیر های نرم افزار متلب اضافه کنیم).
سپس یک برنامه متلب می نویسم که در آن، دو بار به تابع my_function ، ارجاع داده شده است :
close all
clc
matlabpool('open',2); % start of Parallel Computing
tic
x=zeros(1,10);
x=my_function(x)
y=zeros(1,10);
y=my_function(y)
toc
matlabpool('close'); % end of Parallel Computing
نتیجه :
x =
Columns 1 through 7
1 32 243 1024 3125 7776 16807
Columns 8 through 10
32768 59049 100000
y =
Columns 1 through 7
1 32 243 1024 3125 7776 16807
Columns 8 through 10
32768 59049 100000
Elapsed time is 0.524047 seconds.
Sending a stop signal to all the labs ... stopped.
مشاهده می کنید که نتایج صحیح است (البته این پاسخ کلی برای پرسش مورد نظر ما است، اما امکان دارد که کاربر به گونه ای کدهای تابع را بنویسد که تداخل به وجود بیاید، مفهوم تداخل را قبلا برایتان شرح دادم، بنابراین همیشه چک کنید که آیا مراحل عملیات های مختلف، با هم تداخل دارند یا خیر).
بنابراین، پاسخ کلی، هم ((بله)) است و هم ((نه)). یعنی اینکه، اگر کدهای نوشته شده در تابع، تداخل در فرآیند موازی بودن، ایجاد نکنند، مشکلی وجود ندارد (مثل مثال ساده بالا که از کدهای تابع، معلوم است که تداخل ایجاد نمی کند) و اگر کدها، تداخل به وجود بیاورند، نتیجه ای غیرمنتظره، به دست می آید. پس همیشه، مستقل بودن پردازش ها را بررسی کنید.
برای آنکه خیالتان راحت شود، ابتدا کدها را به صورت سری اجرا کنید و بعد یک بار به طور موازی و نتیجه ها را مقایسه کنید. نگویید که خوب اینکه شد دو بار اجرا ! ، خود من برای شبیه سازی انتشار امواج الکترومغناطیسی، مجبور بودم که یک برنامه سنگین بنویسم و بعد آن را صدها بار اجرا نمایم و حالت های مختلف ناشی از ورودی های مختلف را مقایسه کنم، بنابراین تنها کافی بود که دو بار برنامه را تست کنم و بعد صدها بار، از برنامه بهینه شده استفاده نمایم، پروژه تعداد زیادی از دانشجویان نیز اینگونه می باشد و در این موارد، این دو بار اجرا کردن، ارزش صرف وقت را دارد.
akiko thanks
پارسا سلام. ممنون از اطلاعات مفیدتون
سوالی که دارم این است که من کدی دارم که در هر مرحله عملیاتی را انجام میدهد و نتایج در مرحله بعدی بکار میرود. زمان انجام آنالیز در حدود 2 هفته می شود. آیا میتوان با پردازش موازی زمان را کاهش داد؟ ممنون
admin سلام.
با توجه به اینکه باید نتایج هر مرحله برای استفاده در مرحله بعد به کار رود، پس باید هر مرحله را با پردازش موازی اجرا کنید و پس از پایان، به سراغ مرحله بعد بروید (نمی توان مراحل را به صورت موازی اجرا کرد).
نکته مهم این است که کدهای هر مرحله هم مهم است و باید ببینید که می توان آنها را به صورت موازی پردازش کرد یا خیر. بنابراین نمیشه نظر کلی داد و باید خود برنامه نویس، با بررسی کدها، این مورد را چک کند.
sina سلام.خسته نباشید.بابت سایت خوب و مفیدتون بسیار متشکرم.
سوالی داشتم
برنامه نوشتم که باید حلقه های آن از یک تا 2000 و بیشتر بچرخد. مشکل این است که از دور 499 به بعد یک خط از حلقه که عمل به توان رساندن را انجام می دهد inf می شود
برای حل این مشکل (برطرف کردن inf و دیدن جواب) چه راه کاری را پیشنهاد می کنید؟
سیاوش سلام دمتون گرم
مه سلام
ممنون از اطلاعات خوبتون
من کدی نوشتم که نیاز به شبکه بندی بسیار ریز دارد. وقتی تعداد شبکه رو بالا تعیین میکنم متلب پیغام out of memory میده.
آیا با موازی سازی ممکنه این مشکل حل بشه یا تنها راهش استفاده از کامپیوتر قویتره؟
ممنون
وحید مرسی از مطلبتون
سوال من اینه که ما از متلب برای بهینه سازی استفاده میکنیم و برای تابع فیتنسمون از یه نرم افزار استفاده میشه
یعنی این نرم افزار باید ران بشه به دفعات. این نرم افزار از متلب توسط بتچ فایل فراخوانی میشه.
ایا راهی هست که همزمان چند بتچ فایل فعال بشن و سپس بدون تداخل باهم چند نرم افزارو به صورت موازی ران کنن؟
hitman این دستور دیگه کار نمیکنه ممنون میشم اگه دستور parpool رو توضیح بدین
فاطمه سلام
ممنون از سایت خوبتون
من میخواستم نمودار هم براش رسم کنم باید چیکار کنم
اگه میشه لطف کنید راهنماییم کنید
meisamfeizollahzadeh سلام و خسته نباشید لطفا مرا در اجرای این کد در متلب راهنمایی فرمایید میگن کد تست شده و مشکلی نداره : کد زیر کد روش درونیابی نیوتن در متلب است که در زمان اجرا داده ها رو به شکل زیر وارد کردم اما این ارور رو میده که خیلی لازمه باید چهارشنبه ارائه بدم.از زحمات و راهنماییهایتان نهایت تشکر رادارم.
x=[300,400,500,600,700,800]
lengh(x)
y=[.024,.035,.046,.058,.067,0.083]
a=350
newtondd(x,y,a)
n=lengh(x); Error in ==> newtondd at 11
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------
کد:
ati عااالی بود. ممنون از سایت خوبتون
mary با سلام
لطفاً راهنماییم کنیدمی خواهم کد مطلب به طور به موازی اجرا کنم به خطا برخورد کردم
متشکرم
clear all
close all
clc
matlabpool('open',2);
tic
A=rand(6)
k=3
v=rand(6,1)
n = length(v);
T = zeros(k);
V = zeros(n,k);
v1 = v/norm(v)
f = A*v1;
alpha = v1'*f;
f = f - v1*alpha;
V(:,1) = v1; T(1,1) = alpha;
parfor j = 2:k,
beta = norm(f);
v0 = v1; v1 = f/beta;
f = A*v1 - v0*beta;
alpha = v1'*f;
f = f - v1*alpha;
T(j,j-1) = beta
T(j-1,j) = beta
T(j,j) = alpha
V(:,j) = v1
end
toc
matlabpool('close');
مهدی باعرض سلام و خسته نباشید
من متلب خودم رو از 2011b به 2014b ارتقاء دادم اما متاسفانه در حین اجرای برنامه ای که دارای یک نمودار بود که در هر حلقه مقدار آن عوض میشد نمودار نشان داده نمی شود و در انتهای برنامه نمودار کامل شده نمایش داده می شود در صورتی که در متلب 2011 نمودار در هر تکرار نشان داده میشد و مقدار آن نیز عوض میشد لظفا راهنمایی بفرمایید که چطور این مشکل رو حل کنم چون خیلی مهمه که من تغییرات نمودار رو ببینم
ممنون
مهمان با سلام
یه دستور به نام pause با تاخیر خیلی کم مثلا 0.1 ثانیه اگر در هر تکرار قرار دهید، شکل ها را در هر تکرار نمایش می دهد
فیروزه با سلام از سایت خوبتون.من یه برنام برای بهبود تصاویر پزشکی می خوام که بعدش موازی اجراش کنم.ممنون میشم کسی برنامه ای در متلب بهم بده.
حسین سلام. همونطور که میدونید (و توی آموزشتون ذکر نکردید)، متلب این قابلیت رو داره که از پردازشگرهای cloud استفاده کنه تا تعداد هسته‌ها رو بالا ببره. مثلا اگه cpu کامپیوتر شخصی شما، 4تا هسته داشته باشه، توی پردازش موازی، متلب حداکثر میتونه مسأله رو به چهار قسمت بشکونه. ولی از پردازشگرهای cloud اگه استفاده بشه، این عدد رو میشه خیلی بالا برد (مثلا 64تا -> طبق help متلب).
حالا سؤال من اینه: من میخام از این پردازشگرهای ابری استفاده کنم، منتها برای این کار نیاز به اینترنته، و چون شرکت mathworks ما رو تحریم کرده، همش با خطا مواجه میشم. حتی با فیلترشکن هم خطا میده (احتمالا به خاطر استفاده از IP جعلی هستش). خلاصه آیا راهی هست که اینو دور بزنیم و از پردازشگرهای ابری با تعداد هسته‌های بالا استفاده کنیم؟ مسأله من یه الگوریتم ژنتیکه که متغیرهاش خیلی زیاده (بالای یک میلیون تا). با کامپیوتر عادی کلا منتفیه؛ جواب نمیده.
با تشکر
محمد سلام . میشه دستور "eig" که برای بدست آوردن مقادیر ویژه بکار می رود را به صورت موازی اجرا کرد؟
سیاوش سلام راهی دارین که روی متلب 2018 هم کارساز باشه چون این روش در متلب 2018 جوابگو نیست.
ابوعلی زاده سلام
آیا میشه الگوریتم ژنتیک رو موازی اجرا کرد؟ باتوجه به اینکه خود کدی که محاسبات تابع هدف رو انجام میده باید سری محاسبه شود چون خطوط آن به هم وابسته هستند.
یعنی منظورم این است که می شود خد ساختار اصلی الگوریتم ژنتیک موازی اجرا شود، به گونه ای که محاسبات تابع هدف برای همه افراد از جمعیتش موازی انجام شود.
میلاد سلام ،ممنون از مطالب که گذاشتید خیلی مفید لود فقط یه مسئله ای که هست من توی برنامه متلب یه کد موازی احرا کردم همون کد اولتون
قسمتی که matlabpool رو مینویسم اررو میده و‌میگه باید بنویسی parpool،من‌نوشتم و جوابم هم کرفتم دریت بود،چرا اینجوری شده بنظرتون؟