技术文章和时事通讯

使用 MATLAB 在线进行并行计算教学

作者 Chiranjoy Chattopadhyay, Indian Institute of Technology Jodhpur


印度理工学院焦特布尔分校 (IITJ) 计算机科学与工程系二年级研究生的必修课包含一门计算机架构的基础课程。他们需要了解现代计算机系统包含的组件,使用基准数据比较不同系统的性能,并掌握在 GPU 上编写、调试和执行并行程序所需的技能。

去年春季,这门课程进度本已过半。但受新冠疫情影响,我们不得不采取防疫隔离措施。跟 IITJ 以及世界各地的其他老师们一样,我突然面临一个难题:这是一门为课堂面授设计的课程,我该如何将其调整,使之适应远程在线教学呢?

我采取了如下策略:依托 MATLAB Online™ 通过浏览器访问 MATLAB®,利用《MATLAB 入门之旅》开展自定进度的在线培训,并使用 MATLAB Grader™ 对编程作业自动评分。这一策略整合了工具、培训和技术,帮助学生达成了这门课程的各项学习目标。绝大多数学生表示,尽管疫情带来了非同寻常的挑战,但通过这种学习方式,他们已经了解了并行计算的实用价值,以及可以利用并行计算解决的各种问题。

培养 MATLAB 基本技能

这门计算机架构课程也允许本科生选修,因此吸引了来自不同背景的学生。当课程转向在线教学后,我仍需要确保每位学生对 MATLAB 有一个基本的掌握。为了满足这一需要,我要求学生用一周时间完成自定进度的在线培训课程。没接触过 MATLAB 的学生通过《MATLAB 入门之旅》学习了相关基础知识。等他们适应了简单的 MATLAB 编程,就可以学习其他 MATLAB 在线培训课程,比如《MATLAB 线性代数入门》和《用 MATLAB 求解常微分方程》。《MATLAB 线性代数入门》帮助学生了解如何求解线性方程组和进行特征值分解;《用 MATLAB 求解常微分方程》帮助学生了解如何用数值方法求解常微分方程。

转到线上

我的学生来自印度各地。隔离开始后,他们回到家中。一些人的上网条件有限,连接很慢或经常掉线,而一些人则没有连接问题。好在 IITJ 有 Campus-Wide License,因此所有学生都能使用 MATLAB 和 MATLAB Online。网络连接较快的学生可以直接在笔记本电脑上下载并安装 MATLAB。那些网络不太给力的学生则可以通过 MATLAB Online 从浏览器访问 MATLAB,无需安装或下载。

利用 MATLAB 或 MATLAB Online,学生们完成了并行编程和科学计算的作业。我与 MathWorks 团队合作,在 MATLAB Grader 中创建了这些交互式作业,可以对学生提交的代码进行自动评分。自动评分功能不仅帮助我节省了时间,同时还为学生提供即时反馈,帮助他们评估自己的学习情况。

提供虚拟上机实践

我最初的课程计划包括讲解并行编程理论基础的研讨课,还有几节包含并行编程实操练习的实验课。隔离后,我们通过 WebEx 提供虚拟实验课,取代了面对面的实验课。

在连续三天的时间里,学生们学习了如何使用 Parallel Computing Toolbox™ 和 MATLAB Parallel Server™ 在多核工作站、GPU、集群和云上并行执行计算密集型运算。涵盖的主题包括使用 parforparfevalparsim 来并行执行任务,以及使用 MathWorks Cloud Center 将并行计算扩展到 Amazon Web Service。研讨课还涉及了深度学习中的并行计算,包括在 GPU 和多核处理器上实现图像处理的深度学习技巧。

评估在线教学转型成果,并为今后的教学做好准备

在课程开展过程中,学生们告诉我,总体而言,他们对新的在线学习模式非常满意。后续调查也证实了这一说法 - 在调查中,学生们几乎一致地对 MATLAB 在线培训资源和 MATLAB Grader 的实用性表示认可(图 1)。

图 1. 关于学生眼中 MATLAB 在线培训和 MATLAB Grader 实用性的调查结果。

图 1. 关于学生眼中 MATLAB 在线培训和 MATLAB Grader 实用性的调查结果。

在本学年,IITJ 全面转向在线模式;现在,所有课程都采用在线教学。我和我的同事们从初期转型中学到了宝贵的经验,包括意识到学生们不同的背景意味着他们的网络连接情况也存在很大差异,因此为他们提供支持非常重要。现在,我们系使用 MATLAB Online、MATLAB Grader 和 MATLAB 在线培训来讲授机器学习、信号处理和其他主题的课程。此外,我也在数字人文专业的数据可视化课程中使用了 MATLAB 在线培训;我发现,学生即使没有计算机科学背景,也能顺利完成这些培训课程并从中学到知识。或许,最大的收获在于,我们认识到,隔离期间,只要顺应变化、合理运用适当的基础架构和工具,就仍可以顺利实现原有的学习目标。

关于作者

Chiranjoy Chattopadhyay 是印度理工学院焦特布尔分校计算机科学与工程系的助理教授。他的研究方向包括计算机视觉、计算机图形学和数字人文。

出版年份 2020

查看文章,了解相关功能