GPU与MATLAB混合编程：MATLABWorker加速

并行计算工具箱为并行“任务”处理（parfor，将在5.4.2节中介绍）和并行“数据”处理（spmd，将在5.5.1节中介绍）均提供了非常高效的方法。虽然在并行计算工具箱中，并行任务处理和并行数据处理方法更多地与CPU相关，而不是GPU，然而当这些方法与GPU处理相结合时，可以明显提升速度。

每个CPU内核都具有独立的MATLAB会话，称之为“worker” ^[1] 。当前的MATLAB版本（2013a），一台计算机可以最多拥有12个worker，并且默认worker数目由计算机可用内核的数目确定。为了将主MATLAB的会话与每个worker各自的会话区分开，称主MATLAB会话为“客户端”。因此，任何主MATLAB会话在访问worker之前和之后均是客户端。对于并行处理，我们应通过指令matlabpool准备可用的worker，如图5.3所示。

图5.3 用matlabpool指令准备可用的worker

在图5.3中，执行命令matlabpool后，能从MATLAB指令窗口中的connected to 4 workers和右下角显示的数字4，确定默认的worker数目。可以通过图5.4和图5.5所示的Manage Cluster Profile菜单，来更改默认的worker数目。

(www.xing528.com)

图5.4 进入Parallel菜单里的Manage Cluster Profiles…来更改默认的worker数目

图5.5 要修改默认worker数目，可在Cluster Profile Manager窗口中设置

如果计算机上只有4个内核，而要求8个worker，MATLAB会产生8个worker，但是它们会共享4个内核。多个worker共享同一内核有可能提升处理速度，也有可能不提升，具体情况取决于代码。