Parallel processing 支持向量机结构并行性差
我有一个并行SVM分类的问题。在我的代码中,我重复了3次SVM的5倍交叉验证,并平均了它的准确性。我想并行3次交叉验证的主循环,但当我在这个循环中使用parfor时,程序不会使用我的CPU的2个核心的所有性能,只使用60%的性能 多谢各位 代码:Parallel processing 支持向量机结构并行性差,parallel-processing,svm,Parallel Processing,Svm,我有一个并行SVM分类的问题。在我的代码中,我重复了3次SVM的5倍交叉验证,并平均了它的准确性。我想并行3次交叉验证的主循环,但当我在这个循环中使用parfor时,程序不会使用我的CPU的2个核心的所有性能,只使用60%的性能 多谢各位 代码: parfor L=1:NumOFLoops; indices = crossvalind('Kfold',QQ,NumOfKfold); cp = classperf(QQ); for m=1:NumOfKfold; test = (indice
parfor L=1:NumOFLoops;
indices = crossvalind('Kfold',QQ,NumOfKfold);
cp = classperf(QQ);
for m=1:NumOfKfold;
test = (indices == m); Train = ~test;
testI=zeros(numel(test>0),1);
TrainInputs=INPUT(Train,:);
TrainTargets=QQ(Train,:);
TestInputs=INPUT(test,:);
%% SVM Structure
svmstruct=svmtrain(TrainInputs,TrainTargets,...
'boxconstraint',Penalty,...
'kernel_function','rbf','method','QP',...
'rbf_sigma',Sigma)
TestOutputs=svmclassify(svmstruct,TestInputs,'showplot',false);
classperf(cp,TestOutputs,test);
end
Error(:,L)=cp.ErrorRate;
end
Results.ErrorRate=(sum(Error))/NumOFLoops;