MATLAB 神经网络并行运算与神经网络基于CPUGPU的并行神经网络运算.docx

MATLAB 神经网络并行运算与神经网络基于CPUGPU的并行神经网络运算.docx

《MATLAB 神经网络并行运算与神经网络基于CPUGPU的并行神经网络运算.docx》由会员分享，可在线阅读，更多相关《MATLAB 神经网络并行运算与神经网络基于CPUGPU的并行神经网络运算.docx（9页珍藏版）》请在冰豆网上搜索。

MATLAB神经网络并行运算与神经网络基于CPUGPU的并行神经网络运算

清空环境变量

clearall

clc

warningoff

打开matlabpool

matlabpoolopen

poolsize=matlabpool（'size'）;

Startingmatlabpoolusingthe'local'profile...connectedto2workers.

加载数据

loadbodyfat_dataset

inputs=bodyfatInputs;

targets=bodyfatTargets;

创建一个拟合神经网络

hiddenLayerSize=10;%隐藏层神经元个数为10

net=fitnet（hiddenLayerSize）;%创建网络

指定输入与输出处理函数（本操作并非必须）

net.inputs{1}.processFcns={'removeconstantrows','mapminmax'};

net.outputs{2}.processFcns={'removeconstantrows','mapminmax'};

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.divideMode='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

设置网络的训练函数

net.trainFcn='trainlm';%Levenberg-Marquardt

设置网络的误差函数

net.performFcn='mse';%Meansquarederror

设置网络可视化函数

net.plotFcns={'plotperform','plottrainstate','ploterrhist',...

'plotregression','plotfit'};

单线程网络训练

tic

[net1,tr1]=train（net,inputs,targets）;

t1=toc;

disp（['单线程神经网络的训练时间为',num2str（t1）,'秒']）;

单线程神经网络的训练时间为0.93209秒

并行网络训练

tic

[net2,tr2]=train（net,inputs,targets,'useParallel','yes','showResources','yes'）;

t2=toc;

disp（['并行神经网络的训练时间为',num2str（t2）,'秒']）;

ComputingResources:

ParallelWorkers:

Worker1onWang_Matlab,MEXonPCWIN

Worker2onWang_Matlab,MEXonPCWIN

Lab1:

TrainingwithTRAINLM.

Epoch0/1000,Time0.096,Performance7115.2407/0,Gradient12833.5776/1e-07,Mu0.001/10000000000,ValidationChecks0/6

Epoch12/1000,Time0.397,Performance5.1658/0,Gradient3.4342/1e-07,Mu0.01/10000000000,ValidationChecks6/6

TrainingwithTRAINLMcompleted:

Validationstop.

并行神经网络的训练时间为2.2013秒

网络效果验证

outputs1=sim（net1,inputs）;

outputs2=sim（net2,inputs）;

errors1=gsubtract（targets,outputs1）;

errors2=gsubtract（targets,outputs2）;

performance1=perform（net1,targets,outputs1）

performance2=perform（net2,targets,outputs2）

performance1=

19.6247

performance2=

14.5379

神经网络可视化

figure,plotperform（tr1）;

figure,plotperform（tr2）;

figure,plottrainstate（tr1）;

figure,plottrainstate（tr2）;

figure,plotregression（targets,outputs1）;

figure,plotregression（targets,outputs2）;

figure,ploterrhist（errors1）;

figure,ploterrhist（errors2）;

matlabpoolclose

Sendingastopsignaltoalltheworkers...stopped.