• 目次

はじめに

ラボラトリでは並列処理を行うクラスター環境である MATLAB Parallel Serverが利用できます。同サーバは NVIDIA Testa T4 を備え、通常の並列処理だけでなく、GPUによるスケールアウトも可能です。

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, Mac, Linux}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

Parallel Serverを使用するには、インストール時の製品の選択ではMATLABの他にParallel Computing Toolboxを選択してください。

準備3-クラスター構成

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

クラスター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、名前の変更が可能です。
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クラスター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、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

プロパティの隣の検証のタブに移動し、クラスタープロファイルの「検証(V)」をクリックします。

ラボラトリのパスワードを入力します。

クラスター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。

6. 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。

並列処理の例

並列処理について、以下の4つの例を紹介します。

• 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

例1の大きな画像に対するブロック処理で用いる画像ファイルおよび、例1を含む全ての例で用いるMATLAB Codeは以下のCoding filesの内容になります。

以下の画像は例1で用いる画像になります。ファイルの場所はCoding files\Block Process On Large Image\input_img.pngになります。

Coding files内のMATLAB Codeを実行するためには、二通りの方法があり、

1. 対話形式でMATLAB Code内のコマンドを転記する。
   C:\Users\ユーザー名\Documents\MATLABにinput_img.pngをコピーする必要があります。

2. MATLAB Codeファイルを現在の作業フォルダーに移動し、実行を選択する。
   C:\Users\ユーザー名\Documents\MATLAB以下にCoding filesをコピーする必要があります。

※現在のファイルにおいて、文字が黒色のものが実行可能、灰色のものは実行が不可能です。

対話形式でMATLAB Codeを実行する方法

コマンドウィンドウにてMATLAB Codeの内容を転記する。

この方法ではMATLAB Codeファイルを作業フォルダーに移動させる必要がない。

現在のフォルダーからMATLAB Codeを実行する方法

以下の場合、現在の作業フォルダーはC:\Users\ユーザー名\Documents\MATLABであるため、C:\Users\ユーザー名\Documents\MATLAB\Coding files\Block Process On Large Image内のMATLAB Codeファイルは実行できませんが、

C:\Users\ユーザー名\Documents\MATLAB\Coding files\Block Process On Large Imageに移動することにより、MATLAB Codeファイルを実行可能になります。

例1：大きな画像に対するブロック処理

保存したファイルが下記画像左の「現在のフォルダー」に表示されていることを確認してください。

1. 並列処理ありの場合

   BlockProcessLargeImageExample.m（デフォルト）

   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
   BlockProcessLargeImageExample.m（'UseParallel',true→'UseParallel',false）

   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)

   

3. 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
   ClusterDataUsingParallelComputing.m（デフォルト）

   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
   ClusterDataUsingParallelComputing.m（'UseParallel',true→'UseParallel',false）

   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

3. 処理時間の比較（単位：秒）

例3：SVM分類器による最適化

1. 並列処理ありの場合
   OptimizeAnSVMClassifier.m（デフォルト）

   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
   OptimizeAnSVMClassifier.m（'UseParallel',true→'UseParallel',false）

   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

3. 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
   searchGlobalMinimum.m（デフォルト）

   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
   searchGlobalMinimum.m（'UseParallel',true→'UseParallel',false）

   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

3. 処理時間の比較（単位：秒）

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。