科学计算与数据处理综合设计实验四

1、科学计算与数据处理综合设计 实验四科学计算与数据处理实验报告学s313060052姓 名王腾祥号实 验 名 称科学计算与数据处理综合设计实验实 验 目 的1、 深入研究matlab在计算机相关的 某一专业领域的综合应用2、 熟悉matlab 中专业级toolbox或 simulink的功能和用法3、学会综合运用matlab解决并行运 算与神经网络-基于cpu/gpu的并行神 经网络运算0y=sim(net2,x);二、打开 matlab workers matlabpool open检查worker数量poolsize=matlabpookize1)三、设置train与sim函数中的参数 “u

2、separallel为yes”。net2=train(netl,x5t/useparaller/yesf)y=sim(net2,x/useparaller/yes*)四、使用“showresources选项证实神经网络运算确实在各个worker上运行。netlraincnetl,x,t/useparallep/yes/showre sources*yest);y=sim(net2,x/useparaller/yesyshowresourc est/yesf);五、将一个数据集进行随机划分，同时保存到 不同的文件for i=l imatlabpoolfsize1)头cpu并行验方案一、标准单线程

3、的神经网络训练与仿真过程x,t=house_dataset;net1=feedforwardnet(10);net2=train(net1,x,t);x=rand(2,1000);save(inputs num2str(i),x)t=x(1,:).*x(2,:)+2*(x(1,:)+x(2,:);save(target num2str(i),t);clear x tend六、实现并行运算加载数据集for i=1:matlabpool(size)data=load(inputs num2str(i),x)xci=data.xdata=load(target num2str(i),t) tci=d

4、ata.t;clear dataendnet2=configure(net2,xc1,tc1); net2=train(net2,xc,tc);yc=sim(net2,xc)七、得到各个 worker返回的composite结果 for i=1:matlabpool(size)yi=yci end八、gpu并行count=gpudevicecountgpu1=gpudevice(1)gpucores1=gpu1.multiprocessorcount*gpu1. simdwidthnet2=train(net1,x,t,usegpu,yes) y=sim(net,x,usegpu,yes) n

5、et1.trainfcn=trainscg;net2=train(net1,x,t,usegpu,yes,showreso urces,yes);matlab神经网络43个案例分析九、并行运算与神经网络-基于cpu/gpu的 并行神经网络运算by王小川(王小川_matlab) email:sina363 十、清空环境变量clear allclcwarning offh一一打开 matlabpool matlabpool open poolsize=matlabpool(size);十二、加载数据load bodyfat_dataset inputs = bodyfatinputs;target

6、s = bodyfattargets;十三、创建一个拟合神经网络hiddenlayersize = 10; 隐藏层神经元个数为10net = fitnet(hiddenlayersize);创建网络十四、指定输入与输出处理函数(本操作并非 必须)cessfcns=removeconstantrows,mapminmax;cessfcns=removeconstantrows,mapminmax;十五、设置神经网络的训练、验证、测试数据 集划分net.dividefcn = dividerand; 随机划分数据集net.dividem

7、ode = sample;划分单位为每一个数据net.divideparam.trainratio = 70/100; 训练集 比例net.divideparam.valratio = 15/100; 验证集比例net.divideparam.testratio = 15/100;测试集 比例trainlm;十六、设置网络的训练函数 net.trainfcn=levenberg-marquardt十七、设置网络的误差函数 net.performfcn = mse; mean squarederror十八、设置网络可视化函数net.plotfcns=plotperform,plottrainst

8、ate,ploterrhist, plotregression, plotfit;十九、单线程网络训练 ticnet1,tr1 = train(net,inputs,targets);t1=toc;disp(单线程神经网络的训练时间为 ,num2str(t1),秒);二十、并行网络训练ticnet2,tr2=train(net,inputs,targets,useparallel,yes,sho wresources,yes);t2=toc;disp(并行神经网络的训练时间为 ,num2str(t2),秒);二十一、网络效果验证outputsl = sim(net1,inputs);outpu

9、ts2 = sim(net2,inputs);errorsl = gsubtract(targets,outputs1);errors2 = gsubtract(targets,outputs2);performancel=perform(net1,targets,outputs1)performance2=perform(net2,targets,outputs2)二十二、神经网络可视化figure, plotperform(trl);figure, plotperform(tr2);figure, plottrainstate(tr1);figure, plottrainstate(tr2

10、);figure,plotregression(targets,outputs1);figure,plotregression(targets,outputs2);figure,ploterrhist(errors1);figure,ploterrhist(errors2);matlabpoolclosey=sim(net2,x,usegpu,yes,showresources,yes);133530error histogram with 20 bins鬲二 ? 6 s-0 巴口 n 鬲65so0tlg9z 后二sn9o 以出0 凿, w中 邑.呼 黑“ fcot 巴 l0? eel中 o

11、5 d 6 o 2 11实 验 记 录error histogram with 20 binsze ro error60s in anoo di:r=0.89144o45uli35302520o051015202530354045target：r=0.8676145403530252016105010402030target10410graclient = 43.66551 矶 epoch 1410210mu - 口口1 ft epoch 14validation checks = 6, at epoch 14g 10106u epochs10121422681012 epochsbest v

12、alidation performance is 239146 at epoch 6 i train validation testbest validation performance is 33.497 at epoch 8024 e b 10121414 epochs2 1 1010 (gsuj)0h山 poenbs ueowoo实1、并行平台的通信模型：共享数据（posix、windows线程、aopenmp）、消息交换（mpipvm）并行算法模型：数据并行模型、任务依赖图模型、工作池模型、管理者-工作者模型、消费者总 模型对于并行计算一个任务可能涉及到的问题：任务分解、任结 务依赖关

13、系、任务粒度分配、并发度、任务交互。并行算法性能的常见度量值：并行开销、加速比、效率（加速比/cpu数）、成本（并行运行时间*cpu数）。2、人工神经网络就是模拟人思维的第二种方式。这是一个非线 性动力学系统，其特色在于信息的分布式存储和并行协同处理。 虽然单个神经元的结构极其简单，功能有限，但大量神经元构成 的网络系统所能实现的行为却是极其丰富多彩的。3、总结：人工神经网络可通过硬件或软件方式来实现。硬件方 式即神经计算机。目前较常用的还是软件实现方式。已有许多 公司和研究单位设计了通用的 ann程序以方便人们使用，matlab 提供的神经网络工具箱就是其重要代表。神经网络工具箱是在matlab环境下所开发出来的许多工具箱之一，它是以人工神经网 络理论为基础，用matlab语言构造出典型神经网络的激活函数， 如s型、线性、竞争层、饱和线性等激活函数，使设计者对所选 定网络输出的计算变成对激活函数的调用。另外，根据各种典型 的修正网络权值的规定，加上网络的训练过程，用matlab编写出 各种网络设计与训练所涉及的公式运算、矩阵操作和方程