비동기 병렬 프로그래밍
parfeval을 사용하여 백그라운드에서 함수 실행parfeval을 사용하면 함수 실행이 완료될 때까지 기다릴 필요 없이 백그라운드에서 함수를 실행할 수 있습니다. for 루프에서 일찍 빠져나오는 것이 편리한 경우가 많습니다. 예를 들어, 최적화 절차에서 결과가 괜찮다면 사용자는 루프를 일찍 중지할 수 있습니다. parfeval 또는 parfevalOnAll을 사용하여 하나 또는 모든 병렬 풀 워커에서 이와 같이 할 수 있습니다. 이 방법은 중간 결과를 플로팅하려는 경우에 유용할 수 있습니다. 루프가 완료될 때까지 기다려야 하는 parfor를 사용하는 것과 달리 parfeval 또는 parfevalOnAll을 사용하는 것은 기다릴 필요가 없습니다.
데이터 대기열을 사용하여 다른 워커의 메시지나 데이터를 전송하고 폴링하려면 send와 poll을 함께 사용하십시오. afterEach를 사용하면 데이터 대기열에서 새 데이터를 받을 때 호출할 함수를 추가할 수 있습니다.
Future 배열의 각 요소 또는 모든 요소가 완료된 후 함수를 자동으로 호출하려면 afterEach와 afterAll을 사용하십시오. 이 배열은 parfeval, parfevalOnAll, afterEach 또는 afterAll에서 반환되는 Future 객체를 포함할 수 있습니다.
함수
도움말 항목
비동기 병렬 프로그래밍 시작하기
- parfeval을 사용하여 백그라운드에서 함수 실행
최적화 루프를 일찍 중단하고 결과가 나오는 대로 수집합니다. - Use afterEach and afterAll to Run Callback Functions
Automatically run functions afterFutureobjects finish running on parallel pools. - parfeval Future 쿼리 및 취소하기
이 예제에서는parfevalFuture의 상태를 쿼리하고 취소하는 방법을 보여줍니다. - afterEach 및 afterAll을 사용하여 사용자 인터페이스를 비동기식으로 업데이트하기
이 예제에서는 계산이 완료될 때마다 사용자 인터페이스를 업데이트하는 방법을 보여줍니다. - Choose Between spmd, parfor, and parfeval
Compare and contrastspmdagainst other parallel computing functionality such asparforandparfeval.
응용 사례
- parfeval을 사용하여 파라미터 스윕 중에 플로팅하기
이 예제에서는parfeval을 사용하여 병렬 파라미터 스윕을 수행하고DataQueue객체를 사용하여 계산 중에 결과를 다시 보내는 방법을 보여줍니다. - Perform Webcam Image Acquisition in Parallel with Postprocessing
This example shows how to perform frame acquisition from a webcam in parallel with data postprocessing. - Perform Image Acquisition and Parallel Image Processing
This example shows how to perform image acquisition from a webcam and postprocess data in parallel. - Send Messages to Workers Using Pollable Data Queues
This example shows how to use pollable data queues to send data or instructions to workers during asynchronous function evaluations withparfeval. (R2025a 이후) - Transfer Data Between Workers Using Pollable Data Queues
This example shows how to use a pollable data queue to transfer data between workers during asynchronous function evaluations withparfeval. (R2025a 이후) - Train Deep Learning Networks in Parallel (Deep Learning Toolbox)
This example shows how to run multiple deep learning experiments on your local machine. - parfeval을 사용하여 다중 딥러닝 신경망 훈련시키기 (Deep Learning Toolbox)
이 예제에서는parfeval을 사용하여 딥러닝 신경망에 대한 신경망 아키텍처의 심도를 기반으로 파라미터 스윕을 수행하고 훈련 중에 데이터를 가져오는 방법을 보여줍니다. - Receive Communication on Workers
This example shows how to set up a data queue on the workers to receive data. (R2023b 이후) - Interactively Import and Process Data in Parallel
This example shows how to import and process data simultaneously in an interactive parallel pool. (R2023b 이후) - Perform Data Acquisition and Processing on Pool Workers
This example shows how to implement a parallel data acquisition and processing pipeline on an interactive parallel pool. (R2025a 이후) - Control Hardware and Acquire Data in Parallel
This example shows how to simultaneously control hardware and perform data acquisition on parallel workers. (R2025a 이후)
추천 예제
parfeval을 사용하여 파라미터 스윕 중에 플로팅하기
이 예제에서는 parfeval을 사용하여 병렬 파라미터 스윕을 수행하고 DataQueue 객체를 사용하여 계산 중에 결과를 다시 보내는 방법을 보여줍니다.
Train Deep Learning Networks in Parallel
Run multiple deep learning experiments on your local machine. Using this example as a template, you can modify the network layers and training options to suit your specific application needs. You can use this approach with a single or multiple GPUs. If you have a single GPU, the networks train one after the other in the background. The approach in this example enables you to continue using MATLAB® while deep learning experiments are in progress.
Send Messages to Workers Using Pollable Data Queues
Use pollable data queues to send data or instructions to workers during asynchronous function evaluations with parfeval.
Perform Webcam Image Acquisition in Parallel with Postprocessing
Perform frame acquisition from a webcam in parallel with data postprocessing.
