并行MATLAB循环计算MLE

Question

我试图通过使用parfor来加速我的MATLAB代码，但是我做的不对。我的代码相当简单，我使用MATLAB内置的mle函数对一些数据进行拟合，使用了均值(mm)和方差(vv)的不同初始猜测。onestagepdf2是我的概率密度函数。

下面是代码片段：

mm=linspace(.1, 1, 2); % mean
vv=linspace(.1, 2, 2); % variance
N=length(mm);
n=length(vv);

pd=zeros(n*N,2);
ld = NaN*ones(n*N,1);

options = statset('MaxIter',10000, 'MaxFunEvals',10000);

parfor i=1:N  % pick a mean
    m=mm(i);
    parfor j=1:n  %  pick a variance
        v=vv(j);
        x0=[m,v];
        [p,conf1]=mle(data,'pdf',@onestagepdf2,'start',x0, 'upperbound', [Inf Inf],'lowerbound',[0 0],'options',options)
        pd(n*(i-1)+j,:)=p;  % store parameter values from mle
        l=onestagepdf2(data,p(1),p(2)); % evaluate pdf with parameter values
        ld(n*(i-1)+j)=sum(log(l));  % store likelihood value

    end
end

我收到的错误是：

“parfor中的变量pd不能分类。”

Answer 1

pd = zeros(n, N, 2); %initialise culprits
ld= zeros(n,N);
parfor ii=1:N  % pick a mean
    m=mm(ii);
    for jj=1:n  %  Parallellise the second parfor
        v=vv(jj);
        x0=[m,v];
        [p,conf1]=mle(data,'pdf',@onestagepdf2,'start',x0, 'upperbound', [Inf Inf],'lowerbound',[0 0],'options',options)
        pd(ii, jj, :) = p;=p;  % store parameter values from mle
        l=onestagepdf2(data,p(1),p(2)); % evaluate pdf with parameter values
        ld(ii,jj)=sum(log(l));  % store likelihood value

    end
end

正如@Trilarion所说，你的pd确实是你所犯错误的罪魁祸首。使用相同的语法，ld可能也不太好，所以也要初始化它。之所以发生这种情况，是因为parfor想知道循环中所有变量在执行之前的大小。MATLAB不知道这是一个固定的最大大小，因为您正在使用循环变量来“更改”大小。

可能在这两行(比如拼写检查错误)下面有“橙色摆动”(比如拼写检查错误)，当您将其作为for循环运行时说：“每次迭代时，pd的大小似乎都在增长。请考虑为速度预先分配”。这是parfor所要求的，因为迭代的顺序不是连续的，所以不可能以这种方式增长数组。

其次，不能嵌套parfor循环。您可以使用类似于parfor的函数，并在parfor中运行它，但这不会加快速度，因为您已经使用了所有的工作人员。

有关parfor的更多一般信息，特别是关于速度的信息，请参见parfor。

Answer 2

您需要一个切片的输出变量，但是Matlab不够聪明，无法检测到n*(i-1)+j实际上是合理的，并且不会干扰异步计算。

只是把它作为独立的维度

pd = zeros(n, N, 2);
...
  % in the loop
  pd(i, j, :) = p;

那就行了。

请注意，Matlab不允许嵌套parfors。但是，如果N大于工作人员的数量，您也不需要它们。也见文档。