我的计算具有二叉树的结构，其中在每个节点处，一堆高度向量化的函数接受先前分支的输出以产生新的分支（同一级别上的节点是独立的）。由于函数是矢量化的，因此它们在CPU或GPU上运行良好，后者自然会大大加快执行速度。
我很快就可以访问4-GPU 2-CPU工作站来运行我的代码，我想尽可能地使用它。我了解如何仅在GPU上使用parfor或在CPU上使用parfor。仅核心，但我想合理地分配GPU和CPU之间的工作负载，因为GPU执行只会让许多CPU核心处于空闲状态，即使它们比GPU慢得多，它们仍然足够快，值得注意对总执行时间的影响。
（Q1）由于每个节点中的函数都是矢量化的，因此在每个单核节点模式下运行独立节点实际上是否合理？或者这严格取决于具体情况？是否有拇指的规则＆＃34;对于这种困境？
（Q2）假设在（Q1）中，每个核心同时执行1个节点是次优的，是否有办法为一个工作者分配多个CPU核心？< / p>
（Q3）有没有办法以高效的方式在GPU和CPU之间分发gpuDevice工作人员？
以下是（Q3）中我不特别考虑的高效：根据循环索引，循环实例可以执行GPU代码给定parfor或CPU（核心）。了解GPU和CPU执行之间的性能差异，可以推断出分配给CPU执行的索引的适当比例。这个问题是{{1}}没有以任何特定的顺序选择循环索引，这反过来很容易导致它试图在同一GPU上执行两个独立任务的实例，这是低效的，因为它必须序列化任务。
谢谢！