非同期並列プログラミング

parfeval を使用したバックグラウンドでの関数の評価

parfeval を使用すると、完了を待たずにバックグランドで関数を評価できます。多くの場合、for ループを早めに中断できると便利です。たとえば、最適化の手順で、結果が良好な場合はループを早めに停止できます。この処理を行うには、1 つまたはすべての並列プールワーカーで parfeval または parfevalOnAll を使用します。これは、中間結果をプロットできるようにする場合に役に立ちます。この処理は、ループの完了を待たなければならない parfor を使用する場合とは異なります。

データキューを使用して異なるワーカーからメッセージまたはデータの送信とポーリングを行うには、send と poll を共に使用します。afterEach を使用すると、データキューから新規データを受信したときに呼び出す関数を追加できます。

Future の配列の各要素またはすべての要素が完了した後で自動的に関数を呼び出すには、afterEach および afterAll を使用します。この配列には、parfeval、parfevalOnAll、afterEach、または afterAll から返された Future を含めることができます。

関数

すべて展開する

関数とクラス

`parfeval`	並列プールワーカーで関数を実行
`parfevalOnAll`	並列プールのすべてのワーカーで関数を非同期実行
`ticBytes`	並列プール内で転送されたバイト数のカウントを開始する
`tocBytes`	`ticBytes` の呼び出し後に転送されたバイト数を読み取る
`send`	データキューを使用したクライアントからワーカーへのデータの送信
`poll`	ワーカーから送信されたデータの取得
`afterEach`	DataQueue で新規データを受信したときに呼び出す関数の定義
`afterEach`	Run function after each function finishes running in the background
`afterAll`	Run function after all functions finish running in the background
`fetchOutputs`	Retrieve results from function running in the background
`fetchNext`	Retrieve next unread outputs from `Future` array
`cancel`	Stop function running in the background
`cancelAll`	すべてのジョブまたはタスクをキャンセルする
`wait`	Wait for futures to complete
`Future`	Function scheduled to run
`parallel.Pool`	ワーカーの並列プール
`parallel.pool.DataQueue`	クライアントとワーカーの間でのデータの送信とリスニング
`parallel.pool.PollableDataQueue`	クライアントとワーカーの間でのデータの送信とポーリング

トピック

parfeval を使用したバックグラウンドでの関数の評価
結果が利用可能になったときにループを早期に終了して結果を収集する。
parfeval future のクエリおよびキャンセル
この例では、parfeval future の状態をクエリする方法と、future をキャンセルする方法を説明します。
afterEach と afterAll を使用したコールバック関数の実行
Future オブジェクトが並列プールで実行を終了した後、自動的に関数を実行する。
parfeval を使用したパラメータースイープ中のプロット
この例では、並列パラメータースイープを parfeval により実行し、その結果を計算中に DataQueue オブジェクトによって戻す方法を示します。
afterEach と afterAll を使用したユーザーインターフェイスの非同期更新
この例では、計算の完了時にユーザーインターフェイスを更新する方法を説明します。
Web カメライメージ取得を後処理と並行して実行
この例では、Web カメラからのフレーム取得をデータの後処理と並行して実行する方法を示します。
イメージ取得と並列イメージ処理を実行
この例では、Web カメラからのイメージ取得とデータの後処理を並行して実行する方法を示します。
深層学習ネットワークの並列学習 (Deep Learning Toolbox)
この例では、ローカルマシンで複数の深層学習実験を実行する方法を説明します。
parfeval を使用した複数の深層学習ネットワークの学習 (Deep Learning Toolbox)
この例では、parfeval を使用して、深層学習ネットワークのネットワークアーキテクチャの深さについてのパラメータースイープを実行し、学習中にデータを取得する方法を説明します。
spmd、parfor、および parfeval からの選択
spmd を、parfor や parfeval などの他の並列計算機能と比較する。

注目の例

parfeval を使用したパラメータースイープ中のプロット

この例では、並列パラメータースイープを parfeval により実行し、その結果を計算中に DataQueue オブジェクトによって戻す方法を示します。parfeval は MATLAB をブロックしないため、計算の実行中も作業を続行できます。

ライブスクリプトを開く

深層学習ネットワークの並列学習

この例では、ローカルマシンで複数の深層学習実験を実行する方法を説明します。この例をテンプレートとして使用し、特定のアプリケーションのニーズに合わせてネットワーク層と学習オプションを変更することができます。このアプローチは 1 つまたは複数の GPU で使用可能です。GPU が 1 つの場合、ネットワークの学習はバックグラウンドで順次行われます。この例のアプローチでは、深層学習実験の進行中にも MATLAB® を続けて使用できます。