• 目次

MATLABのバージョン：MATLAB R2022a

※R2022bではないので注意

※クラスタープロファイルは学内でのみ使用可能です。学外の場合はVPN接続で使用してください。

準備1-MATLAB R2022aのダウンロード

1. MathWorksアカウント画面へ

   

2. MATLAB（Individual）の右の下矢印を押してダウンロード画面へ
   ※この際に画面左のリリースを選択からR2022aを選択します。

   

3. Windows用ダウンロードを押してMATLAB R2022aのダウンロードを開始します。

準備2-起動後の設定

起動後は以下の順でライセンスと保存先の設定をします。

1. 電子メール

2. ライセンスの選択

3. ユーザーの確認

4. 保存先フォルダーの選択

次の製品の選択ではMATLABの他にParallel Computing Toolboxの選択が不可欠になります。

準備3-クラスタ構成

1. クラスタープロファイルマネージャーの表示

MATLAB のホームタブで、並列メニューの[クラスタの作成と管理]を選択します。

2. クラスタープロファイルの追加

クラスタプロファイルの追加 > MATLAB Job Scheduler をクリックします。

追加したプロファイルはダブルクリックすることで、名前を変更が可能です。
デフォルトのままMJSProfile1でも使用可能です。

3. クラスタープロファイルの編集

プロファイルを選択し、ツールバーの[編集]をクリックして編集します。

[完了]をクリックします。二枚目の画像は、設定後のMATLAB Job Schedulerクラスタ・プロファイルを示します。

4. クラスタープロファイルを既定に設定

[既定に設定] を選択して、このプロファイルをデフォルトにします。

5. クラスタープロファイルの検証

クラスタープロファイルの検証をクリックします。直後、ユーザー名とパスワードを聞かれるため、入力します。

クラスタの検証が成功すると、以下のように全ての段階のステータスが”パス”になります。

※クラスタープロファイルは学内でのみ使用可能です。学外の場合はVPN接続で使用してください。

例

解析するファイルの準備

Coding files>Block Process On Large Imageファイルのinput_img.ngをC:\Users\ユーザー名\Documents\MATLABに移す。

移動したファイルが画像左の現在のフォルダーに表示されていれば成功。

クラスタープロファイルの切り替え（localとa9 Server）

localとa9 Serverの切り替えは、それぞれのクラスタープロファイルについて既定の設定を切り替えて行います。

並列処理ありとなしの切り替え

並列処理ありとなしの切り替えは、コマンドにおける'UseParallel',trueを'UseParallel',falseに書き換える。

• 並列処理あり

tic % Start stopwatch timer
% Input image
input_img = "input_img.jpg"; % Add image path
% Initialize Edge detection function
fun = @(block_struct) edge(block_struct.data,"canny");
% Covert source image from RGB to GRAY
input_image= rgb2gray(imread(input_img));
% Perform Parallel Block Process
result = blockproc(input_image,[25 25],fun, ...
   'UseParallel',true);
toc % Terminate stopwatch timer 
% Show ouput image
imshow(result)

• 並列処理なし

tic % Start stopwatch timer
% Input image
input_img = "input_img.jpg"; % Add image path
% Initialize Edge detection function
fun = @(block_struct) edge(block_struct.data,"canny");
% Covert source image from RGB to GRAY
input_image= rgb2gray(imread(input_img));
% Perform Parallel Block Process
result = blockproc(input_image,[25 25],fun, ...
   'UseParallel',false);
toc % Terminate stopwatch timer 
% Show ouput image
imshow(result

並列処理の例

例1：大きな画像に対するブロック処理

1. 並列処理ありの場合

   tic % Start stopwatch timer
   % Input image
   input_img = "input_img.jpg"; % Add image path
   % Initialize Edge detection function
   fun = @(block_struct) edge(block_struct.data,"canny");
   % Covert source image from RGB to GRAY
   input_image= rgb2gray(imread(input_img));
   % Perform Parallel Block Process
   result = blockproc(input_image,[25 25],fun, ...
      'UseParallel',true);
   toc % Terminate stopwatch timer 
   % Show ouput image
   imshow(result)

2. 

   並列処理なしの場合

   tic % Start stopwatch timer
   % Input image
   input_img = "input_img.jpg"; % Add image path
   % Initialize Edge detection function
   fun = @(block_struct) edge(block_struct.data,"canny");
   % Covert source image from RGB to GRAY
   input_image= rgb2gray(imread(input_img));
   % Perform Parallel Block Process
   result = blockproc(input_image,[25 25],fun, ...
      'UseParallel',false);
   toc % Terminate stopwatch timer 
   % Show ouput image
   imshow(result

   

処理時間の比較（単位：秒）

例2：グローバルミニマムの探索

1. 並列処理ありの場合

   tic % Start stopwatch timer
   % Consider a function with several local minima.
   fun = @(x) x.^2 + 4*sin(5*x);
   fplot(fun,[-10,10])
   rng default % For reproducibility
   opts = optimoptions(@fmincon,'Algorithm','sqp');
   problem = createOptimProblem('fmincon','objective',...
       fun,'x0',3,'lb',-5,'ub',5,'options',opts);
   ms = MultiStart('UseParallel', true);
   %To search for the global minimum, run MultiStart on 2000 instances of the problem using the fmincon 'sqp' algorithm.
   [x,f] = run(ms,problem,2000)
   toc % Terminate stopwatch timer

   

2. 並列処理なしの場合

   tic % Start stopwatch timer
   % Consider a function with several local minima.
   fun = @(x) x.^2 + 4*sin(5*x);
   fplot(fun,[-10,10])
   rng default % For reproducibility
   opts = optimoptions(@fmincon,'Algorithm','sqp');
   problem = createOptimProblem('fmincon','objective',...
       fun,'x0',3,'lb',-5,'ub',5,'options',opts);
   ms = MultiStart('UseParallel', false);
   %To search for the global minimum, run MultiStart on 2000 instances of the problem using the fmincon 'sqp' algorithm.
   [x,f] = run(ms,problem,2000)
   toc % Terminate stopwatch timer

処理時間の比較（単位：秒）

例3：SVM分類器の最適化

1. 並列処理ありの場合

   tic % Start stopwatch timer 
   load ionosphere % Load the ionosphere data set.
   rng default
   % Find hyperparameters that minimize five-fold cross-validation loss by using automatic hyperparameter optimization. For reproducibility, set the random seed and use the 'expected-improvement-plus' acquisition function.
   Mdl = fitcsvm(X,Y,'OptimizeHyperparameters','auto', ...
   'HyperparameterOptimizationOptions',struct('UseParallel',true))
   toc % Terminate stopwatch timer

   

2. 並列処理なしの場合

   tic % Start stopwatch timer 
   load ionosphere % Load the ionosphere data set.
   rng default
   % Find hyperparameters that minimize five-fold cross-validation loss by using automatic hyperparameter optimization. For reproducibility, set the random seed and use the 'expected-improvement-plus' acquisition function.
   Mdl = fitcsvm(X,Y,'OptimizeHyperparameters','auto', ...
   'HyperparameterOptimizationOptions',struct('UseParallel',false))
   toc % Terminate stopwatch timer

処理時間の比較（単位：秒）

例4：並列処理によるデータのクラスタリング

1. 並列処理ありの場合

   Mu = bsxfun(@times,ones(20,300),(1:20)'); % Gaussian mixture mean
   rn300 = randn(300,300);
   Sigma = rn300'*rn300; % Symmetric and positive-definite covariance
   Mdl = gmdistribution(Mu,Sigma); % Define the Gaussian mixture distribution
   
   rng(1); % For reproducibility
   X = random(Mdl,10000);
   % Specify the options for parallel computing.
   stream = RandStream('mlfg6331_64');  % Random number stream
   options = statset('UseParallel',1,'UseSubstreams',1,...
       'Streams',stream);
   % Cluster the data using k-means clustering. Specify that there are k = 200 clusters in the data and increase the number of iterations. Typically, the objective function contains local minima. Specify 10 replicates to help find a lower, local minimum.
   
   tic; % Start stopwatch timer
   [idx,C,sumd,D] = kmeans(X,200,'Options',options,'MaxIter',10000,...
       'Display','final','Replicates',10);
   toc % Terminate stopwatch timer

   

2. 並列処理なしの場合

   Mu = bsxfun(@times,ones(20,300),(1:20)'); % Gaussian mixture mean
   rn300 = randn(300,300);
   Sigma = rn300'*rn300; % Symmetric and positive-definite covariance
   Mdl = gmdistribution(Mu,Sigma); % Define the Gaussian mixture distribution
   
   rng(1); % For reproducibility
   X = random(Mdl,10000);
   % Specify the options for parallel computing.
   stream = RandStream('mlfg6331_64');  % Random number stream
   options = statset('UseParallel',false,'UseSubstreams',1,...
       'Streams',stream);
   % Cluster the data using k-means clustering. Specify that there are k = 200 clusters in the data and increase the number of iterations. Typically, the objective function contains local minima. Specify 10 replicates to help find a lower, local minimum.
   
   tic; % Start stopwatch timer
   [idx,C,sumd,D] = kmeans(X,200,'Options',options,'MaxIter',10000,...
       'Display','final','Replicates',10);
   toc % Terminate stopwatch timer

処理時間の比較（単位：秒）

例1~4の並列処理の有無、Localとa9 Serverの比較

• 例1~3について

  • 並列処理なし（Local）：処理時間が長いが、振れ幅が少ない。

  • 並列処理あり（Local）：処理時間が短いが、振れ幅が大きい

  • 並列処理あり（a9 Server）：処理時間が短く、振れ幅も少ない

• 例4について

  • 並列処理なしの方が処理時間が短くなった。

例1：大きな画像に対するブロック処理

例2：グローバルミニマムの探索

例3：SVM分類器の最適化

例4：並列処理によるデータのクラスタリング

並列処理ありと並列処理なしの違い

• 並列処理あり

  • コマンドにおいて'UseParallel',true

  • 処理中の際に左下のアイコンが緑色になる。

    

• 並列処理なし

  • コマンドにおいて'UseParallel',false

  • 処理中の際に左下のアイコンが青色になる。