利用matlab中的spmd (并行)对部分矢量应用函数

Question

我正在使用并行计算工具箱在MatLab中工作。

任务

我有一个向量v，我有4个核。我希望在每个核心上拆分向量(因此每个核心处理向量的1/4，假设长度(V)可被4整除)，并在每个部分上应用函数f()。

因此，对于核心1: f1 =f(属于第1部分的v)

对于核心2: f2 = f(v，属于第2部分)

诸若此类。

然后我要收集结果，在此之后，我得到:F=“一个向量，包含f1的所有元素，以及f2的所有元素，等等。”在主核心(如果您愿意的话，MatLab可能会将其称为“客户端”，但我不确定)。

尝试

spmd

    v_dist    = codistributed( v ); %split v onto cores
    lpv       = getLocalPart( v_dist ); %this core's part ("my part")

    f1        = f( lpv ); %apply f to my part of v

    %I want to piece back together the outputs?
    f_tmp     = codistributed( zeros(length(f1) * 4, 1) );

    %get my part of the container where I want to put the output
    f_tmp_lp  = getLocalPart( f_tmp );
    %now actually put my part of the output here:
    f_tmp_lp  = f1;

    %and then finally piece back together my part into 
    f_tmp     = codistributed.build( f_tmp_lp, getCodistributor( f_tmp ) );

end

%we should gather the output on the client?
f = gather( f_tmp );

和？

这不像预期的那样起作用。我确实得到了正确的f的大小，但不知怎么地，似乎发生的是，"lpv“是给每个核心的相同的部分。但我不知道这是否是问题所在。

帮助？

我没有做过很多MatLab并行编程。我将如何完成我的任务？

Answer 1

我认为您的代码非常接近，但我认为您不需要f_tmp。下面是一个例子：

v = 1:10;
spmd
    v_dist = codistributed(v);
    lpv = getLocalPart(v_dist);
    f1 = sqrt(lpv);
    v2 = codistributed.build(f1, getCodistributor(v_dist));
end
assert(isequal(gather(v2), sqrt(v)));