Fonction Kmeans - partage du calcul des distances avec Parallel Computing Toolbox
Bonjour,
Je voudrai savoir comment je peux faire pour optimiser la fonction Kmeans en partageant le calcul des distances avec les centroids en découpant les données entre les coeurs de mon pc.
Je suis très novice dans le domaine mais je voudrai me mettre sérieusement à utiliser la fonction Parallel Computing Toolbox ca celà m'intéresse pour mon travail. Je gère des matrices de donnée assez importante donc si je peux réduire un peu le temps de calcul çà m'aiderait beaucoup.
si je dis pas de bêtises la partie du code que je devrais modifier serait celà :
Code:
1
2
3
4
5
6
| % Compute the distance from every point to each cluster centroid and the
% initial assignment of points to clusters
D = distfun(X, C, distance, 0);
[d, idx] = min(D, [], 2);
m = accumarray(idx,1,[k,1]); |
J'ai vu qu'il y avait la fonction spmd et codistributed qui permet de gérer les calcul parallèle mais je ne sais pas m'en servir et je ne comprend pas tout.
Merci d'avance
