并行 for 循环 (parfor)
通过在并行池中的工作单元上运行
parfor 来使用并行处理 Parallel Computing Toolbox™ 支持交互式并行计算，使您能够通过在并行池中的多个工作单元上运行来加速工作流。使用 parfor 在并行池中的工作单元上并行执行 for 循环迭代。当您对代码进行了探查后发现 for 循环运行速度很慢时，请尝试使用 parfor 来增加吞吐量。在您的桌面上开发 parfor 循环并扩展到集群，而无需更改您的代码。
函数
主题
parfor 快速入门
- 决定何时使用 parfor
发现parfor循环的基本概念，并决定何时使用它。 - 将 for 循环转换为 parfor 循环
诊断并修复常见的parfor问题。 - 确保 parfor 循环迭代相互独立
与for循环不同，parfor循环迭代没有保证的顺序。 - 嵌套 parfor 和 for 循环以及其他 parfor 要求
了解如何处理并行嵌套循环。 - 排除 parfor 循环中的变量故障
发现parfor循环中的变量要求和分类。 - 使用 parfor 以交互方式并行运行循环
将for循环转换为可扩展的parfor循环。
运行 parfor 循环
- 提高 parfor 性能
在parfor循环内部或外部创建数组以加快代码速度。 - 在 parfor 循环中使用对象和句柄
了解如何在parfor循环中使用对象、句柄和分段变量。 - 确保 parfor 循环或 spmd 语句的透明度
parfor循环中对变量的所有引用都必须在程序主体中可见。 - 在 parfor 循环中保存变量
此示例显示如何在save循环中使用parfor函数将一个或多个变量保存到文件中。 (自 R2024a 起) - 将 parfor 循环扩展到集群和云
在您的桌面上开发parfor循环，并扩展到集群而无需更改您的代码。 - 使用 parfor 循环进行归约分配
您可以使用parfor循环来计算每次迭代更新的累积值。 - 在 parfor-循环中重复随机数
本示例演示了如何通过为每次迭代分配特定的子流，来控制parfor循环中的随机数生成。 - 使用 parfor 加速蒙特卡罗代码
此示例显示如何使用parfor循环来加速蒙特卡罗代码。蒙特卡罗方法应用于许多领域，包括物理学、数学、生物学和金融。蒙特卡罗方法涉及使用随机分布的输入多次执行一个函数。使用 Parallel Computing Toolbox™，您可以将for循环替换为parfor循环，从而轻松加快代码运行速度。 - 以交互方式并行导入和处理数据
此示例显示如何在交互式并行池中同时导入和处理数据。为了简化您的工作流，您可以在同一个并行池上重叠parfeval和parfor计算。 (自 R2023b 起) - 比较多线程和 ProcessPool 的性能
比较函数在客户端和ProcessPool上的运行速度。某些 MATLAB® 函数在多核计算机上默认情况下已使用多线程。当有多个线程可用时，使用这些函数的计算比在单个线程上执行得更好。因此，对于其中一个函数的多个计算，在具有计算单线程工作单元的本地并行池上并行执行的性能不会比在客户端的多线程核上执行更好。并行化带来的开销可能会加剧这种影响。 - 优化并行池以支持多线程计算
调整工作单元数量以及每个工作单元线程数，以提升并行池的计算性能。 (自 R2026a 起) - 解决错误：客户端与工作单元断开连接
在并行池中运行代码时，排查“与工作单元连接丢失”错误。 (自 R2026a 起)
应用
- 使用 parfor 训练多个深度学习网络 (Deep Learning Toolbox)
此示例说明如何使用parfor循环对训练选项执行参数扫描。 - 使用 parfor 进行并行优化时的监控
使用 parfor 并行运行多个优化问题，同时在客户端上通过DataQueue实时监控求解器的进度。
精选示例
使用 parfor 进行参数扫描时的绘图
并行执行参数扫描，并在并行计算过程中绘制进度。
从桌面扩展到集群
在本地计算机上开发并行 MATLAB® 代码并扩展到集群。
使用 parfor 加速蒙特卡罗代码
此示例显示如何使用 parfor 循环来加速蒙特卡罗代码。蒙特卡罗方法应用于许多领域，包括物理学、数学、生物学和金融。蒙特卡罗方法涉及使用随机分布的输入多次执行一个函数。使用 Parallel Computing Toolbox™，您可以将 for 循环替换为 parfor 循环，从而轻松加快代码运行速度。
