Pobierz prezentację
Pobieranie prezentacji. Proszę czekać
1
Użytkowanie i programowanie Matlaba
Metody optymalizacji i przyspieszania obliczeń. Obliczenia równoległe
2
Metody optymalizacji i przyspieszania obliczeń
Wektoryzacja obliczeń - Jak najmniej pętli for Prealokacja (rezerwowanie) pamięci dla macierzy/tablic Nie modyfikować w kodzie funkcji dużych zmiennych przekazywanych jako parametry wywołania
3
Metody optymalizacji i przyspieszania obliczeń
Pisać funkcje niż skrypty Używać load/save zamiast funkcji I/O Stosować numeryczne typy danych m. in. double logical Nie stosować bez potrzeby cell, sparce, structure Stosować skalary logiczne w operatorach if, elseif, while Nie pisać więcej niż jednej operacji w linii Unikać zmiany typu danych dla zmiennej lub kształtu zmiennej Wywoływać wbudowane funkcje Matlaba Stosować małe tablice Dołączać kod skompilowany
4
Metody optymalizacji i przyspieszania obliczeń
Stosować obliczenia równoległe
5
Kiedy stosować obliczenia równoległe/rozproszone
Długi czas wykonywania obliczeń Duże zbiory danych
6
Obliczenia równoległe
Materiały z wykładu Obliczenia równoległe i rozproszone wśrodowisku MATLAB, Miłosz Augustyński, ONT Kraków
7
Obliczenia równoległe
Obliczenia na wielu rdzeniach/procesorach komputera Obliczenia na klastrze Oblicznia na karcie graficznej
8
Trzy poziomy wykorzystania obliczeń równoległych
Prosty Umiarkowany Zaawansowany
9
Prosty poziom wykorzystania obliczeń równoległych
Włączenie obliczeń równoległych matlabpool open Wiele funkcji w Matlabie ma wbudowane wsparcie dla obliczeń równoległych i rozproszonych Na koniec matlabpool close
10
Przykładowe narzędzia z wsparciem obliczeń równoległych
Optimization Toolbox Global Optimization Toolbox Statistics Toolbox Simulink
11
Umiarkowany poziom wykorzystania obliczeń równoległych
Proste operatory i funkcje w skryptach MATLAB parfor batch spmd pmode
12
Zaawansowany poziom wykorzystania obliczeń równoległych
Przydzielanie klastrów obliczeniowych Definiowanie zadań job, ich wykonywanie i kontrola Definiowanie wątków task MATLAB Distributed Computing Server
13
Rodzaje obliczeń równoległych
Materiały z wykładu Obliczenia równoległe i rozproszone wśrodowisku MATLAB, Miłosz Augustyński, ONT Kraków
14
Wykorzystanie licencji przy obliczeniach równoległych
Parallel Computing Toolbox – 1 licencja: Obliczenia równoległe na maszynie lokalnej (do 8 procesorów) Obliczenia z wykorzystaniem karty grafiki (NVIDIA CUDA) Połączenie z klastrem obliczeniowym MATLAB Distributed Computing Server Osobna licencja na workery Licencjonowanie dynamiczne
15
Obliczenia równoległe - definicje
Scheduler – system zarządzający zadaniami Matlabowymi w systemie wieloprocesorowym. Worker – środowisko obliczeniowe Matlaba pracujące na pojedynczym procesorze. Klient – interaktywna sesja Matlaba, z poziomu której definiowane są zadania. Job – zadanie. Task – podzadanie
16
Obliczenia równoległe - definicje
Zadanie – job – to program rozwiązujący określony problem. Zadanie rozdzielane jest na równolegle wykonywane podzadania. Podzadanie – task – to fragment programu, np. funkcja, działający na określonym zestawie danych. Podzadania mogą być niezależne. Tworzą program rozproszony – distributed job. Odpowiada to trywialnej równoległości. Podzadania mogą być od siebie wzajemnie zależne. Tworzą program równoległy – parallel job. Programy równoległe pracują najczęściej w trybie SPMD. Wszystkie podzadania są takie same. Różnią się prywatnymi danymi. Podzadania zależne od siebie mogą wymieniać się danymi.
17
Tryby wieloprocesorowe w MATLAB
Tryb interakcyjny matlabpool Tryb wsadowy matlabpool Tryb interakcyjny pmode Tryb równoległy – parallel Tryb rozproszony – distributed
18
Pętla parfor Działanie: clear A clear A for i = 1:8 parfor i = 1:8
A(i) = i; end A clear A parfor i = 1:8 A(i) = i; end A Działanie: Zakres zmienności zmiennej sterującej dzielony pomiędzy workerów Dane konieczne dla poszczególnych iteracji są rozsyłane do workerów Każdy worker wykonuje swoją pulę iteracji Wyniki są zwracane do klienta
19
Pętla parfor clear A clear A for i = 1:8 parfor i = 1:8 A(i) = A(i-1);
end A clear A parfor i = 1:8 A(i) = A(i-1); end A Iteracje pętli muszą być wzajemnie niezależne! Kolejność wykonywania iteracji jest niedeterministyczna Wykonanie iteracji jest niesynchronizowane. Błąd pojedynczej iteracji powoduje zakończenie działania wszystkich iteracji…
20
Pętla parfor A = zeros(4, 11); parfor i = 1:4 for j = 1:10
A(i,j+1) = i+j; end A = zeros(4, 11); parfor i = 1:4 for j = 2:11 A(i,j+1) = i+j-1; end Nie wolno stosować podwójnych indeksowań w wyrażeniach Nie można zagnieżdżać pętli parfor ani spmd Nie można stosować zmiennych globalnych i statycznych Nie wolno stosować wyrażeń break i return Nie wolno używać funkcji typu clear, who, whos, save, load Nie wolno wykonywać operacji graficznych
21
Pętla parfor A = zeros(4, 10); parfor i = 1:4 for j = 1:10 A(i,j)=i+j;
end disp(A(i, 1)) A = zeros(4, 10); parfor i = 1:4 v = zeros(1, 10); for j = 1:10 v(j) = i + j; end disp(v(1)) A(i, :) = v; Nie wolno stosować indeksowanej tablicy poza pętlami
22
Pętla parfor A = zeros(4, 10); parfor i = 1:4 for j = 1:5
A(i,j) = i+j; end for k = 6:10 A(i, k) = pi; A = zeros(4, 10); parfor i = 1:4 for j = 1:10 if j < 6 A(i, j) = i+j; else A(i, j) = pi; end Nie wolno stosować różnego indeksowania
23
Pętla parfor A = zeros(4, 10); parfor i = 1:4 for j = 1:5
A(i,j) = i+j; end for k = 6:10 A(i, k) = pi; A = zeros(4, 10); parfor i = 1:4 for j = 1:10 if j < 6 A(i, j) = i+j; else A(i, j) = pi; end Nie wolno stosować różnego indeksowania
24
Pętla parfor A=zeros(100, 200); parfor i=1:size(A,1) for j=1:size(A,2)
A(i,j)=plus(i,j); end A = zeros(100, 200); n = size(A, 2); parfor i=1:size(A,1) for j = 1:n A(i,j)=plus(i,j); end Podpętla loop musi być indeksowana stałą wartością
25
Pętla parfor B = @sin; for ii = 1:100 A(ii) = B(ii); end B = @sin;
parfor ii = 1:100 A(ii)=feval(B,ii); end Nie można korzystać z referencji do funkcji
26
Rodzaje zmiennych Loop variables Sliced variables Broadcast variables
Reduction variables Temporary variables
27
Loop variables parfor i = 1:n i = i + 1; a(i) = i; end
28
Sliced Variables parfor i = 1:length(A) B(i) = f(A(i)); end
29
Sliced Variables A.q{i,12} A{i,12}.q
Wymagany pierwszy poziom indeksowania
30
Sliced Variables parfor i = 1:k B(:) = h(A(i),A(i+1)); end
B(:) = f(A(i)); C(:) = g(A{i}); end Wymagana jednakowa wartość indeksu
31
Praca domowa parfor i = 1:k B(:) = h(A(i),A(i+1)); end
Co napisać, aby można było w wykonywać tą czynność w pętli
32
Sliced Variables A(i+f(k),j,:,3) A(i,20:30,end) A(i,:,s.field1)
A(i+k,j,:,3) A(i,:,end) A(i,:,k) Prawidłowe i nieprawidłowe indeksowanie
33
Sliced Variables A(i,:) = []; A(end + 1) = 1;
Nie można zmieniać kształtu/rozmiaru
34
Broadcast Variables Jest rozsyłany do wszystkich wątków
35
Reduction Variables Akumulują wartości po wszystkich pętlach
36
Reduction Variables x = 0; parfor i = 1:10 x = x + i; end x x2 = [];
parfor i = 1:n x2 = [x2, i]; end x2
37
Reduction Variables X = X .* expr X = expr .* X
X = min(X, expr) X = min(expr, X) X = max(X, expr) X = max(expr, X) X = union(X, expr) X = union(expr, X) X = intersect(X, expr) X = intersect(expr, X)
38
Reduction Variables parfor i = 1:n if testLevel(k) A = [A, 4+i]; else
end parfor i = 1:n if testLevel(k) A = [A, 4+i]; else A = [A, r(i)]; end
39
Przykład a = 0 ; r = rand(1,10) ; z = 0 ; c = 4 ; parfor i = 1 : 10
a = i ; z = z + i ; b(i) = r(i) ; if i <= c d = 2*a ; end
40
SPMD Single Program Multiple Data – spmd Zastosowanie
Równoległe wykonanie tego samego kodu Spmd umożliwia łączenie kodu seryjnego z kodem równoległym Bloki kodu zamknięte w ramy spmd wykonywane są jednocześnie na kilku wątkach Zmienne pochodzące z wnętrza bloku spmd są dostepnew kliencie (zmienne typu Composite) Zastosowanie Długotrwałe programy – spmd pozwala na obliczenia jednoczesne Programy operujące na dużych zbiorach danych – spmd pozwala na rozproszenie danych pomiędzy laby
41
Single Program Multiple Data – spmd
Single Program…Jeden kod programu Uruchamiany na kliencie – część seryjna wykonywana na kliencie, część równoległa wykonywana na zasobach matlabpool …MultipleData Pomimo jednego kodu każdy lab może pracować na innych danych
42
Single Program Multiple Data – spmd
spmd(n) <polecenia> end Spmd wymaga działającego trybu matlabool n–liczba labów na których ma się uruchomić dany blok spmd (opcjonalne) n <= matlabpool(‘size’) Działanie blok spmd na każdym labie uruchamia polecenia zawarte w bloku każdy lab ma własną przestrzeń roboczą (w pamięci workera) każdy lab jest unikalny i identyfikowalny możliwa jest komunikacja między labami
43
Single Program Multiple Data – spmd
labindex zmienna przechowująca numer labu, na którym wykonywany jest program rozróżnia laby wykorzystywana np. do wczytywania różnych danych lub wyliczania zakresu pracy numer labu adresuje komunikację numlabs zmienna przechowująca liczbę wszystkich labów wykonujących dany program
44
SPMD -tablice rozproszone
Tablice podzielone pomiędzy zasoby pamięciowe labów Ze strony klienta – DistributedArray matlabpool open local 2 W = ones(6,6); W = distributed(W); spmd T = W*2; end matlabpool close Ze strony labu – CodistributedArray codist = codistributor1d(3, [4, 12]); Z = codistributed.zeros(3, 3, 16, codist); Z = Z + labindex;
45
Pmode
46
GPU Rg = gpuArray.rand(1,4) G = gpuArray(ones(100, 'uint32'));
D = gather(G); X = rand(1000); G = gpuArray(single(X)); result = arg1, arg2); gpuDeviceCount gpuDevice(2)
47
Współpraca Matlaba z innymi programami
Matlab plik program Program plik (ASCII, EXEL) Matlab Matlab plik MAT Program (C lub Fortran) Matlab plik program plik Matlab Matlab funkcja (C/C++, Fortran lub Java) Program (C/C++, Fortran lub Java) Matlab
48
Matlab plik program plik Matlab
Przykład m-pliku z funkcją interfejsu do zewnętrznego programu „topar.m”
49
Współpraca z innymi programami
Matlab plik program Program plik (ASCII, EXEL) Matlab Matlab plik MAT Program (C lub Fortran) Matlab plik program plik Matlab Matlab funkcja (C lub Fortran) Program (C lub Fortran) Matlab
50
Rodzaje funkcji bibliotecznych
mx* – operacje na typach Matlaba mex* – komunikacja ze środowiskiem Matlaba eng* – korzystanie z mechanizmów Matlaba mat* – operacje na plikach z danymi Matlaba
51
Dodawanie kodu w C i Fortranie – tworzenie MEX-funkcji
Standardowa nazwa funkcji Biblioteka mx* do operacji na tablicach/strukturach Matlabowskich Biblioteka mex* do komunikacji ze środowiskiem Matlaba
52
Operowanie na plikach MAT
Biblioteka mat* do czytania i pisania do pliku tablic Matlabowskich Biblioteka mx* do operacji na tablicach Matlabowskich
53
Eksploatacja mechanizmu Matlaba z programu
Biblioteka mx* do operacji na tablicach/strukturach Matlabowskich Bibloteka eng* do otwarcia „silnika” Matlaba, exportu i importu danych oraz wykonywania polecen w Matlabie
54
Dodawanie kodu w C i Fortranie – tworzenie MEX-funkcji
Standardowa nazwa funkcji Biblioteka mx* do operacji na tablicach Matlabowskich Biblioteka mex* do komunikacji ze środowiskiem Matlaba
55
Standardowa funkcja MEX w C
void mexFunction( int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[] ) { /* program ... */ }
56
Standardowa funkcja MEX w Fortranie
subroutine mexFunction(nlhs, plhs, nrhs, prhs) integer nlhs, nrhs integer plhs(*), prhs(*) C program C ...
57
Przykłady biblioteki mx*
mxMalloc, mxFree – przydzielanie i zwalnianie pamięci na zmienne (w C ) Typy danych/struktury Matlaba, np. mxArray mxCreateDoubleMatrix, mxCreateDoubleScalar – tworzenie tablicy Matlaba mxDestroyArray – usuwanie tablicy Matlaba mxGetM, mxGetN – określanie rozmiarów tablic mxIsClass, mxIsDouble, itd. – badanie typu danych mxGetPr, mxGetPi, mxGetScalar – dostęp do danych double
58
Przykłady biblioteki mex*
mexEvalString, mexCallMatlab – wykonywanie polecenia i funkcji z matlaba mexWarnMsgTxt, mexErrMsgTxt, mexPrintf – wypisywanie komunikatów w Matlabie mexLock – zatrzymanie MEX pliku w pamięci mexSet – ustawienie właściwości np. grafiki mexIsGlobal – badanie czy istnieje dana zmienna globalna mexFunctionName – odczytanie nazwy bieżącej funkcji
59
Kody przykładowych funkcji MEX w C
trgmtst.c trgtitch.c tstumss6.c (umss6.m)
60
Kompilacja MEX funkcji
Można stosować własny kompilator powszechny kompilator, np. Visual C++, Borland C, Watkom Matlab posiada własny kompilator. Wywoływany poleceniem mex <options> <filenames> np. mex funkcja.c mex procedura.F funkcje.F
61
Kompilator Matlaba Kompilacja M-plików i tworzenie:
kodów źródłowych w C dla MEX plików kodów źródłowych w C i C++ dla samodzielnych programów kodów w C z S-funkcjami dla Simulinka pluginów EXEL-a obiektów COM
Podobne prezentacje
© 2024 SlidePlayer.pl Inc.
All rights reserved.