如何在Octave或Scilab中使用并行'for'循环？

Question

我在Matlab代码中运行了两个for循环。内部循环使用Matlabpool在12个处理器中进行并行化（这是Matlab在单个机器中允许的最大值）。

我没有分布式计算许可证。请帮我使用Octave或Scilab如何做到这一点。我只想将'for'循环并行化。

我在google搜索时发现了一些断开的链接。

Answer 1

parfor尚未在八度音程中实现。该关键字已被接受，但仅仅是for（http://octave.1599824.n4.nabble.com/Parfor-td4630575.html）的同义词。

并行程序包的pararrayfun和parcellfun功能在多核计算机上很方便。 它们通常是parfor循环的良好替代品。

例如，请参阅 http://wiki.octave.org/Parallel_package。 要安装，发行（只需一次）

pkg install -forge parallel

然后，每次会议一次

pkg load parallel

使用函数之前

Answer 2

在Scilab中，您可以使用parallel_run：

function a=g(arg1)
  a=arg1*arg1
endfunction

res=parallel_run(1:10, g);

限制

• 在Windows平台上仅使用一个核心。
• 目前，parallel_run只处理实数值的标量矩阵的参数和结果，并且未使用types参数
• 不应该依赖副作用，例如从外部作用域修改变量：只有存储在结果变量中的数据才会被复制回调用环境。
• parallel_run调用的宏不允许使用JVM
• 在调用parallel_run期间不应调整堆栈大小（通过gstacksize（）或通过stacksize（））

Answer 3

在GNU Octave中，您可以使用parfor构造：

parfor i=1:10
    # do stuff that may run in parallel
endparfor

更多信息：help parfor

Answer 4

1. 要查看MATLAB-SIMULINK的免费和开放源代码替代列表，请检查its Alternativeto page或my answer here。专门针对SIMULINK替代方案，请参见this post。

2. 您应该考虑的是向量化，并行，并发，异步和多线程计算之间的区别。无需过多讨论，矢量化编程是避免丑陋的for-loops的一种方法。例如，Python上的map函数和列表理解是矢量化计算。这是您编写代码的方式，而不一定是计算机如何处理的方式。并行计算主要用于GPU计算（数据并行），是使用GPU计算单元在大型阵列上运行大量算术时。还有任务并行性，主要是指在多个线程上处理任务，每个线程都由单独的CPU内核处理。并发或异步是当您只有一个计算单元时，但是它同时执行多个作业，而不会无条件地阻塞处理器。基本上就像是妈妈在做饭，打扫卫生，照顾孩子一样，但一次只做一份工作：）

3. 鉴于以上描述，FOSS世界中的每一个都有很多。对于Scilab，请特别检查this page。有用于分布式计算的MPI接口（多台计算机上的多线程/并行性）。 OpenCL接口用于GPU /数据并行计算。用于多线程/任务并行的OpenMP接口。 feval函数不是并行性，而是一种对常规函数进行矢量化的方法。根据Scilab的平台，硬件和版本，Scilab矩阵算术和parallel_run是矢量化或并行的。