Matlab 如何为嵌套循环设置“parfor”？

原始代码如下所示：

for i = 1 : size(H, 1)
    for j = 1 : size(H, 2)
        H{i,j} blabla

parfor ind = 1 : numel(H)
    [i, j] = ind2sub(ind);
    H{i,j} blabla

我尝试将其改编成并行代码，如下所示：

for i = 1 : size(H, 1)
    for j = 1 : size(H, 2)
        H{i,j} blabla

parfor ind = 1 : numel(H)
    [i, j] = ind2sub(ind);
    H{i,j} blabla

这将生成一个错误，说明由于H{i，j}无法运行

parfor

那么这里的错误是什么？如何将嵌套循环调整到parfor？

一种可能的解决方案是

for i = 1 : size(H, 1)
    parfor j = 1 : size(H, 2)
        H{i,j} blabla

---

但是我怀疑在另一个循环中使用parfor会增加parfor的开销，这会导致额外的计算时间，我认为使用parfor的错误在于Matlab无法检测到

[I，j]

在循环中是唯一的，因为它是一个函数的结果。因此，对于引擎，您可以多次访问

H{i，j}

，迭代不会被分析为彼此独立

编辑：正如patrik所提到的，您必须确保两次迭代之间没有依赖关系，也就是说，

H{i，j}

不依赖于

H{k，l}

，

i=k和j=l

，也不会在另一次迭代中使用迭代中的变量值。此要求是允许parfor的基本要求，但来自的要求除外

除此之外，如果您想并行运行独立计算，并且值得，请始终选择最外层的循环。除此之外,提醒,；相反，如果要并行化内部for循环，则必须生成一个运行

parfor

的函数。内部循环的并行化可能不会带来加速（取决于parpool中有多少工人）

根据我的经验，不建议运行并行内部循环。作为一个例子（在Matlab之外），我要引用LibSVM，它建议如果您想加快计算速度，只使用openmp并行最外层的循环，而不并行其他内部循环

此建议的原因是您的工作线程池有限，工作线程可能被视为线程；如果添加线程，由于在线程之间切换的时间有限，计算运行速度会变慢。Matlab可以很好地管理这一部分，但关键是您将有一个有限规模的工作人员池。如果每一个最外层的迭代都需要很多时间，并且有很多迭代，那么您将没有时间并行化内部循环，因为每个工作人员都将忙于运行整个迭代（包括内部循环）

---

尽管如此，测试每个选项总是一件好事，其中一些选项可能会反直觉地更适合您的问题

为什么不简单地使用线性索引分配到H中？例如：

H = cell(4, 4);
parfor idx = 1:16
  [i, j] = ind2sub([4, 4], idx);
  H{idx} = rand(i, j); % or whatever
end

否则，最好将最外层的循环设为PARFOR循环。以下方法也有效：

H = cell(4, 4);
parfor r = 1:4
  for c = 1:4
    H{r, c} = rand(r, c);
  end
end

---

我怀疑

H{I，j}blablabla

可能以某种方式修改了您的单元格数组

H

——在这种情况下，当您尝试并行运行时，您不知道哪些修改已经发生或尚未发生。在单元格数组

H

下，您到底有哪些修改，即

H{I，j}

？比如我们在处理什么样的数据？你有没有尝试过

parforind=1:numel（H），H{ind}blabla，end

？这应该没问题。目前我正在研究一个类似@Daniel's comment的解决方案。但是，某个线程在某个点停止，这会导致程序完全失败。还应该指出，不存在任何内部依赖关系，例如

H{i，j}

不能依赖

H{k，l}

k~=i，l~=l

这可能导致程序停止：例如，如果线程A需要在线程B启动之前完成，线程B需要在线程A启动之前完成。这当然是你提到的，但在这种情况下，我想这应该被明确提到。@patrik这确实值得注意，我想这不是OP中的情况。我现在编辑我的答案以增加精确度，thk