并行化MATLAB实现回路最大似然估计的计算

我试图通过使用

parfor

来加速我的MATLAB代码，但是我做得不对。我的代码相当简单，我使用MATLAB内置的

mle

函数拟合一些数据，通过使用不同的平均值（

mm

）和方差（

vv

）的初始猜测

onestagepdf2

是我的概率密度函数

以下是代码snippit：

mm=linspace(.1, 1, 2); % mean
vv=linspace(.1, 2, 2); % variance
N=length(mm);
n=length(vv);

pd=zeros(n*N,2);
ld = NaN*ones(n*N,1);

options = statset('MaxIter',10000, 'MaxFunEvals',10000);

parfor i=1:N  % pick a mean
    m=mm(i);
    parfor j=1:n  %  pick a variance
        v=vv(j);
        x0=[m,v];
        [p,conf1]=mle(data,'pdf',@onestagepdf2,'start',x0, 'upperbound', [Inf Inf],'lowerbound',[0 0],'options',options)
        pd(n*(i-1)+j,:)=p;  % store parameter values from mle
        l=onestagepdf2(data,p(1),p(2)); % evaluate pdf with parameter values
        ld(n*(i-1)+j)=sum(log(l));  % store likelihood value

    end
end

我收到的错误是：

'无法对parfor中的变量pd进行分类。'

---

您需要一个切片的输出变量，但Matlab不够聪明，无法检测到

n*（i-1）+j

实际上是合理的，并且不会干扰异步计算

只需将其作为单独的维度

pd = zeros(n, N, 2);
...
  % in the loop
  pd(i, j, :) = p;

那就行了

请注意，Matlab不允许嵌套PARFOR。但是，如果

N

大于工人数量，则也不需要它们。另见

正如@Trilarion所说，你的

pd

确实是你所犯错误的罪魁祸首。可能

ld

也不太好，语法相同，所以也要初始化它。之所以发生这种情况，是因为在执行之前，您希望知道循环中所有变量的大小。MATLAB不知道这是一个固定的最大大小，因为您正在使用循环变量“更改”大小

也许你在这两条线（如拼写检查错误）下有“橙色摆动”，当你用< <代码> > 循环时，说“Pd看起来在每次迭代中都在变大。请考虑预分配速度”。这是parfor所要求的，因为迭代的顺序不是顺序的，所以不可能以这种方式增长数组

其次，不能嵌套

parfor

循环。您可以使用带有

parfor

的函数，并在

parfor

中运行该函数，但这并不能加快速度，因为您已经在使用所有的worker

---

有关

parfor

的更多一般信息，请参阅，尤其是关于速度的信息。

ld也是如此。@Adrian说有4-8名工人，N可能大于此，询问者无论如何不需要第二个parfor。但他仍然需要扩展pd和ld的维度，以使外部parfor工作。这似乎解决了问题。我确实有一个后续问题：当我打印

max（ld）

时，它会打印两次最大值，即

-746.8349-746.8349

。您能解释一下原因吗？@user3603290如果您有一个新问题与此问题完全不同，请提问。如果这篇文章中的一个答案解决了你的问题，那么请考虑。我需要初始化<代码> Pd < /代码>和<代码> LD 里面的代码> PAROF/<代码>循环，而不是外部。哼，不，确实你需要在外面初始化它们，我的坏，我会更新帖子。<代码> n*（i-1）+j不大于<代码> n*n < /代码>，因此，变量的大小没有增长。只是Matlab对此并不确定。@Trilarion这正是我要说的。

pd = zeros(n, N, 2); %initialise culprits
ld= zeros(n,N);
parfor ii=1:N  % pick a mean
    m=mm(ii);
    for jj=1:n  %  Parallellise the second parfor
        v=vv(jj);
        x0=[m,v];
        [p,conf1]=mle(data,'pdf',@onestagepdf2,'start',x0, 'upperbound', [Inf Inf],'lowerbound',[0 0],'options',options)
        pd(ii, jj, :) = p;=p;  % store parameter values from mle
        l=onestagepdf2(data,p(1),p(2)); % evaluate pdf with parameter values
        ld(ii,jj)=sum(log(l));  % store likelihood value

    end
end