加速MATLAB算法和应用- MATLAB和Simulink万博1manbetx - 万博1manbetx,s manbetx 845,万博尤文图斯

本文描述了可用于加速MATLAB的技术^®算法和应用。主题包括:

评估代码性能
 采用高效的串行编程实践
 使用系统对象
 在多核处理器和gpu上执行并行计算
 生成C代码

每个部分都侧重于一种特定的技术，描述底层的加速技术，并解释何时最适用。您的编程专业知识、希望加速的算法类型以及可用的硬件可以帮助指导您对技术的选择¹．

评估代码性能

在修改代码之前，您需要确定将精力集中在哪里。支持这一过程的两个关键工具是代码分析器和MA万博1manbetxTLAB分析器。MATLAB编辑器中的代码分析器在您编写代码时检查您的代码。代码分析器可以识别潜在的问题，并建议修改，以最大限度地提高性能和可维护性(图1)。代码分析器报告可以在整个文件夹上运行，使您能够查看单个文档中一组文件的所有代码分析器建议。

分析器显示了代码花费时间的地方。它提供了一个总结代码执行情况的报告，包括所有被调用函数的列表，每个函数被调用的次数，以及每个函数所花费的总时间(图2)。Profiler还提供了关于每个函数的计时信息，比如哪行代码使用了最多的处理时间。

一旦确定了瓶颈，就可以专注于提高这些特定代码部分的性能的方法。当您实现优化和技术来加速算法时，分析器可以帮助您衡量改进。

采用有效的串行编程实践

在考虑并行计算、代码生成或其他方法之前，优化串行代码的性能通常是一个很好的实践。加速MATLAB代码的两种有效编程技术是预先配置而且向量化．

使用预分配，您可以使用数组所需的最终大小初始化数组。预分配帮助您避免动态调整数组大小，特别是当代码包含为而且而循环。由于MATLAB中的数组保存在连续的内存块中，因此反复调整数组的大小通常需要MATLAB花费时间寻找更大的连续内存块，然后将数组移动到这些块中。通过预分配数组，可以避免这些不必要的内存操作，并提高总体执行时间。

向量化是将代码从使用循环转换为使用矩阵和向量操作的过程。MATLAB使用处理器优化库进行矩阵和矢量计算。因此，通常可以通过向量化代码来提高性能。

使用较大数组的矢量化MATLAB计算可能是使用GPU加速的良好候选者。在以下情况下为-loops不能向量化，您通常可以使用并行为循环(parfor)或c代码生成来加速算法。有关这些技术的更多细节，请参阅并行计算和从MATLAB生成C代码的部分。

了解更多分析，预先配置，向量化,其他系列技术提高性能。

利用系统对象优化算法

你可以使用系统对象™加速MATLAB代码，主要用于信号处理和通信领域。系统对象是在系统工具箱(包括通信系统工具箱)中可用的算法的MATLAB面向对象实现™DSP系统工具箱™．通过使用System对象，可以将声明(System对象创建)与System对象中算法的执行解耦。这种解耦导致更有效的基于循环的计算，因为它允许您只执行一次参数处理和初始化。您可以在循环之外创建和配置System对象的实例，然后调用循环内的step方法来执行它。

“DSP系统工具箱”和“通信系统工具箱”中的大多数“系统对象”都以MATLAB可执行文件的形式实现(mex files)．这种实现可以加速模拟，因为对象的MEX实现中包含了许多算法优化。有关墨西哥文件的更多细节，请参阅从MATLAB生成C代码的部分。

了解更多使用System对象进行流处理，创建自己的系统对象,模拟信号处理算法在MATLAB中使用系统对象。

执行并行计算

到目前为止所描述的技术主要集中在优化串行MATLAB代码的方法上。您还可以通过使用额外的计算能力来提高性能。MATLAB并行计算产品提供的计算技术可以让您充分利s manbetx 845用多核处理器、计算机集群和gpu。

在多核处理器和集群上使用MATLAB Workers

并行计算工具箱™允许您在桌面多核机器上运行多个MATLAB工作程序(MATLAB计算引擎)。您可以通过在这些worker之间划分计算来加快应用程序的速度。与MATLAB中的内置多线程相比，这种方法可以更好地控制并行性。它通常用于较粗粒度的问题，如参数扫描和蒙特卡罗模拟。为了获得更大的加速，可以使用MATLAB并行服务器将使用MATLAB worker的并行应用程序扩展到计算机集群或云™．

几个工具箱，包括优化工具箱™以及统计和机器学习工具箱™，提供可以利用多工作者并行性来加速计算的算法²．在大多数情况下，只需打开一个选项就可以使用并行算法。例如，运行fmincon在并行优化工具箱中，将“UseParallel”选项设置为“always”。

并行计算工具箱提供了高级编程结构，例如parfor．使用parfor你可以加速为通过划分循环迭代，在多个MATLAB工作者之间同时执行(图3)。

使用parfor，循环迭代必须是独立的，不依赖于任何其他迭代。要加速依赖循环或基于状态的循环，可以重新排序计算，使循环变得与顺序无关。对象的外部循环也可以并行化为循环。如果这些选择都不可行，要么优化车身为-loop或考虑生成C代码代替。

通过在客户端和MATLAB工作者之间传输数据parfor循环，你会产生通信成本。这意味着使用它可能没有任何优势parfor当你只有少量的简单计算时。如果是这种情况，则将重点放在并行化外部对象上为包含更简单的为循环。

的批处理命令可用于在MATLAB工作者之间分发独立的计算集，以作为批作业进行离线处理。当这些计算需要很长时间才能运行，并且需要释放桌面MATLAB用于其他工作时，这种方法特别有用。

使用gpu

图形处理单元(gpu)最初用于加速图形渲染，现在也可以应用于信号处理、计算金融、能源生产和其他领域的科学计算。

您可以直接从MATLAB在NVIDIA gpu上执行计算。FFT、IFFT和线性代数运算是可以直接在GPU上执行的100多个内置MATLAB函数之一。这些重载函数在GPU或CPU上操作，这取决于传递给它们的参数的数据类型。当给定一个GPUArray(并行计算工具箱提供的一种特殊数组类型)的输入参数时，这些函数将自动在GPU上运行(图4)。几个工具箱，包括通信系统工具箱和信号处理工具箱™该公司还提供gpu加速算法。

两条经验法则将确保你的计算密集型问题很适合GPU。首先，当所有核心都处于忙碌状态时，您将看到GPU的最佳性能，这充分利用了GPU固有的并行特性。在更大的数组上使用矢量化MATLAB计算和支持gpu的工具箱函数的代码属于这一类。其次，应用程序在GPU上运行所需的时间应该大大超过应用程序执行期间在CPU和GPU之间传输数据所需的时间。

对于更高级的GPU使用，如果你熟悉CUDA编程，你可以直接从MATLAB运行现有的基于CUDA的GPU内核。然后，您可以使用MATLAB中的数据分析和可视化功能，同时更直接地控制您的GPU算法。

从MATLAB代码生成C代码

用自动生成的MATLAB可执行文件(MEX-function)替换部分MATLAB代码可能会提高速度。使用MATLAB编码器™，您可以生成可读且可移植的C代码，并将其编译为一个mex -函数，以取代MATLAB算法的等效部分(图5)。您还可以通过从生成mex -函数来利用多核处理器parfor构造。

实现的加速量取决于算法的性质。确定加速度的最佳方法是使用MATLAB Coder生成一个mex函数，并测试加速的第一手资料。如果您的算法包含单精度数据类型、定点数据类型、带状态的循环或不能向量化的代码，则可能会看到加速。另一方面，如果您的算法包含MATLAB的隐式多线程计算，如fft而且圣言会例如，调用IPP或BLAS库的函数，为在PC上的MATLAB中执行而优化的函数(如fft)，或者可以向量化代码的算法，这些都不太可能加速。试试MATLAB编码器，遵循最佳实践用于c代码生成，并咨询MathWorks技术专家，以找到使用这种方法加速算法的最佳方法。

大部分MATLAB语言和一些工具箱都支持代码生成。万博1manbetxMATLAB Coder提供自动化工具来帮助您评估算法的代码生成就绪性，并指导您完成c代码生成的步骤(图6)。