multithreading - 并行化会减慢MatLab的执行速度

Question

我在运行于具有4个真实内核的奔腾处理器上的Mac OS X上使用Matlab。

我想分析磁共振图像(MRI)，并使用优化来拟合来自这些图像的信号。对于每个像素，我有35个值(即同一张图片在不同条件下获取了35次)，我想将这些值调整为某个函数

下面，我将代码简化为调用fit函数的最基本循环:

 ticid1 = tic; 

 for x= a:1:b   
 [a, b, c, d] = FitSignal(Volume(y,x,:)); 
 end;

 toc(ticid1);

这里 Volume是一个3D矩阵，其中包含所有大小约为9 MB的MRI图像。 FitSignal因此获得了一个数组，该数组包含特定像素的35个值，并且优化过程找到了最佳拟合。在这种情况下，循环运行120次(b-a = 120)，这对于图像中水平线上的每个像素而言都是一次。

使用 tic和 toc对上述代码进行计时，整个循环大约需要50秒

我认为并行执行代码可能会加快速度。因此，我打开了3个工作程序，并使用 parfor运行了循环，但发现只有少量(20-30％)的加速。

然后，我将工作人员的数量减少到1。现在，使用 parfor运行代码大约需要90秒。因此，只有一名 worker ，该代码才是应用程序。是没有并行运行时速度的两倍。这与3名 worker 的微薄 yield 是一致的。

然后，我尝试在函数 FitSignal中计时，发现没有并行化就需要应用程序。 0.4秒，而并行化则需要0.7秒。

我知道并行化会带来开销，但是在这种情况下，这对我来说似乎太过分了。此外，一旦在函数 FitSignal中，并且只有一个工作程序，该函数是在主进程上运行还是在工作程序内运行都没关系-对吗？但是，在单独的工作程序内部运行时，该函数的运行速度相当慢!

谁能告诉我这是怎么回事？重要的是，如何通过并行执行来更改代码以利用任何可能的加速？

提前致谢

PS:我已经检查了我的系统。内存压力低，我什至在终端上发出了“清除”以释放内存。运行期间，CPU数量不超过15％。

Answer 1

在单台计算机上运行时，Matlab会自动并行化向量运算(1)...，除非您正在运行显式并行化，例如parfor(2)。

因此，这里发生的是，当您在正常模式下而不是parfor模式下运行时，根据您的数字，并行化向量操作将获得100％的加速。

当您在parfor模式下运行时，您松开了矢量运算的提升，但从parfor获得了并行化，因此速度是正常处理速度的一半，但分为三个内核，因此大约需要三分之二的时间。

以上是根据问题中的数字得出的粗略估计；当然，对于其他问题，这些相对加速会由于多种因素而变化，例如矢量化代码量的不同和parfor的开销。