如何‘`parfor`’嵌套循环？

Question

原始代码如下所示：

for i = 1 : size(H, 1)
    for j = 1 : size(H, 2)
        H{i,j} blabla

我试着把它改编成并行代码，如下所示：

parfor ind = 1 : numel(H)
    [i, j] = ind2sub(ind);
    H{i,j} blabla

这将生成一个错误，说明parfor由于H{i，j}而无法运行。

，那么这里的错误是什么？如何将嵌套的循环调整为parfor?

是一个可能的解决方案

for i = 1 : size(H, 1)
    parfor j = 1 : size(H, 2)
        H{i,j} blabla

但是，我怀疑在另一个循环中使用parfor会增加parfor的开销，从而导致额外的计算时间。

Answer 1

我认为使用parfor的错误是Matlab无法通过循环检测[i,j]是唯一的，因为它是函数的结果。因此，对于引擎来说，您可以多次访问H{i,j}，迭代不会被分析为相互独立。

编辑:正如patrik所提到的，您必须确保两个迭代之间不存在依赖关系，也就是说，在这里，H{i,j}不依赖于H{k,l}、i!=k and j!=l，或者迭代中的变量的值在另一个迭代中使用。除了来自约简分配之外，这个要求是允许parfor的基本要求。

此外，如果您想并行地运行独立的计算，并且值得的话，始终选择parfor最外层的循环。此外，要提醒parfor；相反，如果要并行内部for-循环，则必须创建一个运行parfor的函数。内部循环的并行化可能不会带来速度的提高(取决于共享池中有多少工作人员)。

根据我的经验，不建议运行并行内环。作为一个例子(Matlab外)，我会引用LibSVM，它建议只使用openmp并行最外层的循环，如果您想要加快计算速度，而不是其他内部循环。

此建议的原因是您的工作人员池有限，工作人员可能被视为线程；如果添加线程，由于线程之间切换时间的关系，计算运行速度会有所限制。Matlab可以很好地管理这一部分，但重点是，您将有一个有限的工人池的规模。如果每个最外层的迭代都需要大量的时间，如果有很多迭代，那么您将没有时间并行内部循环，因为每个工作人员都会忙于运行整个迭代(包括内部循环)。

尽管如此，测试每个选项总是一件好事，其中一些可能会反直觉地更适合您的问题！

Answer 2

为什么不简单地使用线性指数来赋值给H？例如：

H = cell(4, 4);
parfor idx = 1:16
  [i, j] = ind2sub([4, 4], idx);
  H{idx} = rand(i, j); % or whatever
end

否则，最好将最外层的循环设置为PARFOR循环。下列措施也有效：

H = cell(4, 4);
parfor r = 1:4
  for c = 1:4
    H{r, c} = rand(r, c);
  end
end