使用parfor正确并行化

我已经在Matlab中编写了一些图像处理代码我想加快使用并行处理。我选择了花费时间最长的任务：将高斯模糊应用于图像。在文件交换的帮助下，我已经比imfilter（）获得了更快的高斯模糊。但是，它仍然不会放大。这里是我的测试代码：使用parfor正确并行化

clear all 
clc 
image_paths = dir('C:\pics\Baustahl\3Bleche(3)\*.png');  
image_paths = sort({image_paths.name}); 

count = 600; 

Img = cell(1, count); 
Mean = cell(1, count); 

for i = 1:count 
    Img{i} = imread(['C:\pics\Baustahl\3Bleche(3)\ ' image_paths{i}]); 
    Img{i} = Img{i}(:,:,1); 
    Img{i} = single(Img{i})./255; 
end 
clear vars bilder 

fprintf(1, 'Starting processing....\n'); 

starttime = tic; 
parfor (i = 1:count, 4) 
    Mean{i} = imgaussian(Img{i}, 25, 81); 
end 
elapsedtime = toc(starttime); 
fprintf(1, 'Finished processing. (%d Files in %.1fs, %.1f files/second)\n', count, elapsedtime, count/elapsedtime); 
fprintf(1, '\n'); 

clear vars Img Mean

我的系统有一个Q6600和4GB的RAM（这是足够了），如果我限制MATLAB一个核心，我得到：

成品加工。（600个文件中12.0S，49.8文件/秒）

两个核心：

完成处理。（600个文件中7.5S，80.3文件/秒）

使用所有四个核心，我得到以下几点：

成品加工。（600个5.7s文件，104.7个文件/秒）

这是一个加速两倍，但性能应该四倍。每次迭代都独立于其他，因此这非常适合并行处理。 它为什么如此糟糕？

事情我已经尝试：

我安装的OpenCV和EmguCV包装为C＃。使用标准的for-loop我使用Parallel.ForEach（）获得〜52个文件/秒，我得到〜200个文件/秒。（如我所料）
使用不同数量的文件。不改变文件/秒，如果我选择足够的文件：

20个文件中0.3秒，72.7文件/秒
60个文件中0.6秒，94.3文件/秒
200个文件中1.9s，105.3文件/秒
在Matlab中使用正常for-loop不会改变任何内容。显然，它和parfor-loop做了相同数量的并行（自动神奇地）。
明确指定它应该使用4个工作线程（见上文） - 什么都不做。（设置为1时甚至不会降低性能）

这些文件大约是。 640x480灰度并具有相似的内容。

有什么想法？

来源

2013-05-10 DasKrümelmonster

打电话给parfor之前是否打开过matlabpool（否则它的行为将与正常行为相同）？

matlabpool 4 
parfor 
    ... 
end 
matlabpool close

请注意，打开和关闭游泳池将会有10-20秒的开销。

来源

2013-05-10 16:14:56 Oleg

我刚刚尝试过（不包括来自课程时间的matlabpool调用），它获得_lowlow_大约56 fps。 – 2013-05-10 16:21:21

从简单的添加到代码中，这是一个相当不错的加速。如上所述，如果您没有足够的迭代或计算，使用parfor实际上可能会产生有害的性能。将文件发送到正确的内存空间并将其带回的开销会导致此问题。

我想你可以试试spmd，同样划分每个工作者的图片数量（类似于parfor所做的那样）。真的不知道如果spmd或parfor是更快，当你可以使用parfor但它值得一试。

来源

2013-05-11 08:32:41

使用parfor正确并行化

回答

相关问题