并行化 MATLAB for 循环以计算 MLE

Question

我试图通过使用parfor 来加速我的 MATLAB 代码，但是我做错了。我的代码相当简单，我使用 MATLAB 的内置 mle 函数通过对均值 (mm) 和方差 (vv) 使用不同的初始猜测来拟合一些数据。 onestagepdf2 是我的概率密度函数。

这里是代码片段：

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，您的pd 确实是您遇到错误的罪魁祸首。可能ld 也不是太好，语法相同，所以也要初始化它。这是因为parfor 想知道循环内所有变量的大小在执行之前。 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。

当您将其作为for 循环运行时，您可能在这两行下方有“橙色摆动”（如拼写检查错误），说“pd 每次迭代的大小似乎都在增长。请考虑预先分配速度” .这是parfor要求的，因为迭代的顺序不是连续的，不可能以这种方式增长数组。

其次，您不能嵌套 parfor 循环。您可以使用 parfor 之类的函数并在 parfor 中运行它，但这不会让您加快速度，因为您已经使用了所有工作人员。

有关parfor 的更多一般信息，尤其是速度方面的信息，请参阅Saving time and memory using parfor in Matlab?。

Answer 2

您想要一个切片的输出变量，但 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评估。

只需将其作为单独的维度进行

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

这会起作用的。

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。另请参阅documentation。