見matlab函數(shù)ttest的幫助，null hypothesis翻譯成零假設(shè)[見概率論與數(shù)理統(tǒng)計(jì)第八章筆記，第一個(gè)概念就是零假設(shè)]。
matlab幫助是這么描述的：h = ttest(x) performs a t-test of the null hypothesis that data in the vector x are a random sample from a normal distribution with mean 0 and unknown variance, against the alternative that the mean is not 0. The result of the test is returned in h. h = 1 indicates a rejection of the null hypothesis at the 5% significance level. h = 0 indicates a failure to reject the null hypothesis at the 5% significance level.
翻譯：h = ttest(x)執(zhí)行t檢驗(yàn)。零假設(shè)：x是均值為零的正態(tài)分布。備擇假設(shè)：均值不是零。h = 1 表示以5%顯著水平拒絕零假設(shè)。
 問題：ttest(x,y)與ttest(y,x)結(jié)果一樣嗎？
肯定一樣，見matlab幫助，ttest(x,y)的零假設(shè)是：x-y是均值為零的隨機(jī)變量。ttest(y,x)的零假設(shè)是：y-x是均值為零的隨機(jī)變量。故兩者等價(jià)。
例子：
論文ML-KNN:Alazy learning approach to multi-label learning(Pattern Recognition)的Table 2的第一行0.194±0.010   0.220±0.011，怎么判定前者顯著好于后者？
ML-kNN 采用十折交叉驗(yàn)證得到十個(gè)Hamming loss組成一個(gè)向量x,BOOSTEXTER采用十折交叉驗(yàn)證得到十個(gè)Hamming loss組成一個(gè)向量y,ttext(x,y)=1表明具有統(tǒng)計(jì)顯著性差異，ttext(x,y)=0表明不具有統(tǒng)計(jì)顯著性差異

簡(jiǎn)單代碼：
x = [0.1 0.15 0.13 0.24 0.26];
y = [0.2 0.21 0.58 0.06 0.04];
ttest(x,y)
ttest(y,x)

x = [0.1 0.15 0.13 0.24 0.26 0.21 0.26 0.28 0.36 0.38];%x的前五個(gè)值與原來(lái)相同
y = [0.2 0.21 0.58 0.06 0.04 0.46 0.54 0.91 0.58 0.75];%y的前五個(gè)值與原來(lái)相同,故意將y的后五個(gè)值與x的后五個(gè)值差異比較大
ttest(x,y)
ttest(y,x)

一群動(dòng)物過江，至江心船開始進(jìn)水，必須有一部分下水才行。
聰明的猴子想了一個(gè)主意，讓各人講一個(gè)笑話，若講出的笑話不能讓所有人發(fā)笑，就要把講的人扔下水。
于是開始抽簽，結(jié)果是從貓第一個(gè)講，然后是猴子、雞。。。
貓費(fèi)盡心思講了一個(gè)笑話，結(jié)果所有的人都笑了，只有豬不笑。無(wú)奈動(dòng)物們只得把貓扔下了水。
猴子的笑話更是讓人笑的前仰后合，但是豬還是不笑，猴子也只得去喂魚。
雞害怕了，連聰明的猴子都難逃此劫。。。
孰料豬此時(shí)笑了，眾動(dòng)物怪曰：雞還沒講，你笑什么？
豬曰：貓的笑話真好笑。。。

這是一個(gè)系統(tǒng)工程，包括你的神態(tài)，語(yǔ)言等。講一個(gè)東西最關(guān)鍵要能用通俗的語(yǔ)言將評(píng)委講明白，注意你的聽眾是誰(shuí)，如果不是同一專業(yè)的，一定要講明你做事的意義和重要性，讓別人感覺你的工作非常重要。
1 注意口頭禪，不能說這個(gè)那個(gè).要流暢，不能磕磕碰碰
2 目光和評(píng)委的交流，一個(gè)一個(gè)掃下，讓人感覺自信，注意儀態(tài)氣勢(shì)

                                                                                                【演講小技巧】如何在學(xué)術(shù)會(huì)議上做好口頭報(bào)告
      http://mp.weixin.qq.com/s?__biz=MjM5OTIxNjQxMw==&mid=206277337&idx=2&sn=8b02975bfc9009b35c7de1174d426e19#rd
      如何在學(xué)術(shù)會(huì)議上來(lái)一次牛逼哄哄的口頭報(bào)告？在學(xué)術(shù)會(huì)議上提交的論文被錄用，論文作者去參會(huì)通常都有機(jī)會(huì)做口頭報(bào)告。那么，如何在學(xué)術(shù)會(huì)議上做好口頭報(bào)告呢？

　　會(huì)議報(bào)告一般分兩種，一種是oral，即口頭報(bào)告，需要制作PPT等，面對(duì)會(huì)場(chǎng)或分會(huì)場(chǎng)的參會(huì)者做報(bào)告演講并回答問題；一種是poster，即現(xiàn)場(chǎng)張貼形式，不需要制作PPT，將論文簡(jiǎn)要內(nèi)容打印好張貼在墻上或分發(fā)，也有采用掛板的形式，作者在邊上對(duì)有興趣的參會(huì)者做介紹和即時(shí)交流。

首先是PPT的準(zhǔn)備

　　不要使用太花哨的模板，可以用最簡(jiǎn)單的白底板，字體顏色稍有對(duì)比，讓聽眾視覺舒服為宜。PPT做的太過fancy，動(dòng)畫到處飛來(lái)飛去的并不是很適宜，嚴(yán)肅與活潑之間的度要掌握好。

　　字體要統(tǒng)一，不僅字體的格式、大小要統(tǒng)一，每一頁(yè)標(biāo)題的位置也要統(tǒng)一，否則翻頁(yè)的時(shí)候標(biāo)題會(huì)跳來(lái)跳去，顯得不夠?qū)I(yè)。

　　PPT里忌諱有大段文字，圖文并茂可以使聽眾更好地理解你的要點(diǎn)。研究數(shù)據(jù)表明，如果僅僅使用圖片，什么也不說，理解和記憶的內(nèi)容是單純使用文字的3.5倍，圖片加文字對(duì)理解和記憶的幫助是單純使用文字的6倍。

對(duì)PPT的講解

　　開講之前第一件事情是開場(chǎng)白，不要認(rèn)為僅僅說了“你好”和“我是誰(shuí)誰(shuí)誰(shuí)”就算是做了開場(chǎng)白！開場(chǎng)白自有它的精妙之處，它能把聽眾帶進(jìn)到報(bào)告中來(lái)。比如：

　　“大家好，我叫。你是否有過那樣的困擾，那么是不是有這樣的可能，現(xiàn)在我就來(lái)介紹下”。

　　準(zhǔn)備好PPT，如果臨場(chǎng)發(fā)揮，語(yǔ)言表達(dá)也不會(huì)流利，因?yàn)槿说拇竽X組織語(yǔ)言需要一個(gè)思路整理的過程。建議從頭到尾把每一句準(zhǔn)備說的話都考慮好，尤其要注意slide之間起承轉(zhuǎn)合的語(yǔ)句，加入一些過渡性語(yǔ)言能幫助聽眾從一個(gè)要點(diǎn)轉(zhuǎn)到另一個(gè)要點(diǎn)，它們是容易被忽略卻很關(guān)鍵的步驟，能使你所傳達(dá)的信息更容易被記住。所有內(nèi)容熟記于心之后站上講臺(tái)，心里就跟明鏡兒似的，講的時(shí)候就會(huì)更自信，更自然。

　　通常過渡性語(yǔ)言有：

　　“首先我們來(lái)看下A，接下來(lái)我們看下B，其中最關(guān)鍵的是……”

　　“基于以上要素，我們得出了以下的結(jié)論……”

　　“在做過……研究后，我們發(fā)現(xiàn)了……”

　　再有就是時(shí)間的把控，有些人做報(bào)告由于緊張，語(yǔ)速飛快，這樣不僅講話時(shí)隔著急促的喘氣聲而且聽眾聽得也是云里霧里，在發(fā)言中增加適當(dāng)?shù)耐ｎD，不要一口氣把所有話匆匆說完，這樣既可以給自己留出整理思路的時(shí)間，也可以讓聽眾深入思考消化。如果擔(dān)心早早地講完了，可以準(zhǔn)備些擴(kuò)充的slide，結(jié)束前直接按End鍵切換過去接著講。

　　小技巧：講的時(shí)候示意完P(guān)PT后就轉(zhuǎn)向聽眾，注意眼神交流和保持適度的微笑，帶有情感的以講故事的方式講述，能夠加深聽眾對(duì)這個(gè)報(bào)告的印象。參加學(xué)術(shù)會(huì)議對(duì)著裝要求不是太嚴(yán)格，選自己最喜歡，感覺自信且舒適的衣服即可。

提問環(huán)節(jié)

　　很多人會(huì)擔(dān)心這個(gè)環(huán)節(jié)，怕自己答不上來(lái)，但有問題是好事，說明有人關(guān)注你的研究成果。其實(shí)這個(gè)研究方向做了這么久，你自己才是這個(gè)領(lǐng)域里最有發(fā)言權(quán)的專家，而且提問題的人大都自己也不知道答案，你可以慢慢理清自己的思路，給出自己的想法。更何況有時(shí)候是因?yàn)闀r(shí)間關(guān)系沒有展開來(lái)講，或者他當(dāng)時(shí)開小差根本沒聽到，放輕松再講一遍就好了，沒什么大不了的。

總 結(jié)

　　能到學(xué)術(shù)會(huì)議上做口頭報(bào)告是一件榮幸的事情，因?yàn)槟愕玫搅艘粋€(gè)能理清思路把自己的成果清晰地展示出來(lái)的機(jī)會(huì)，和更多的學(xué)術(shù)研究者交流學(xué)習(xí)的機(jī)會(huì)。做口頭報(bào)告只是把自己的研究成果貼上去，排排版，組織語(yǔ)言，多練習(xí)幾遍就可以去share了。

閱讀記錄：read twice

與人類視聽覺感知密切相關(guān)的圖像、語(yǔ)音和文本（語(yǔ)言）信息在社會(huì)、經(jīng)濟(jì)和國(guó)家安全等領(lǐng)域中扮演著重要角色，并在今后一段時(shí)間內(nèi)仍將迅猛增長(zhǎng)。這類信息可被人類直接感知和理解，也可用計(jì)算機(jī)進(jìn)行處理，但計(jì)算機(jī)的處理能力遠(yuǎn)遜于人類且處理效率遠(yuǎn)不能滿足當(dāng)今社會(huì)的發(fā)展需求。如何借鑒人類的認(rèn)知機(jī)理和相關(guān)數(shù)學(xué)的最新研究成果，建立新的計(jì)算模型和方法，從而大幅度提高計(jì)算機(jī)對(duì)這類信息的理解能力與處理效率，不僅可有力推動(dòng)信息科學(xué)的快速發(fā)展，也將為國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展做出重大貢獻(xiàn)。

一、科學(xué)目標(biāo)

本重大研究計(jì)劃的總體科學(xué)目標(biāo)是：圍繞國(guó)家重大需求，充分發(fā)揮信息科學(xué)、生命科學(xué)和數(shù)理科學(xué)的交叉優(yōu)勢(shì)，從人類的視聽覺認(rèn)知機(jī)理出發(fā)，研究并構(gòu)建新的計(jì)算模型與計(jì)算方法，提高計(jì)算機(jī)對(duì)非結(jié)構(gòu)化視聽覺感知信息的理解能力和海量異構(gòu)信息的處理效率，克服圖像、語(yǔ)音和文本（語(yǔ)言）信息處理所面臨的瓶頸困難，為確保國(guó)家安全與公共安全、推動(dòng)信息服務(wù)及相關(guān)產(chǎn)業(yè)發(fā)展以及提高國(guó)民生活和健康水平做出重要貢獻(xiàn)。具體表現(xiàn)為：在視聽覺信息處理的基礎(chǔ)理論研究方面取得重要進(jìn)展；在視聽覺信息協(xié)同計(jì)算、自然語(yǔ)言（漢語(yǔ)）理解以及與視聽覺認(rèn)知相關(guān)的腦―機(jī)接口等三項(xiàng)關(guān)鍵技術(shù)方面取得重大突破；集成上述相關(guān)研究成果，研制具有自然環(huán)境感知與智能行為決策能力的無(wú)人駕駛車輛驗(yàn)證平臺(tái)，主要性能指標(biāo)達(dá)到世界先進(jìn)水平，從而提升我國(guó)在視聽覺信息處理領(lǐng)域的整體研究實(shí)力，培養(yǎng)具有國(guó)際影響力的優(yōu)秀人才與團(tuán)隊(duì)，為國(guó)家安全和社會(huì)發(fā)展提供相關(guān)研究環(huán)境與技術(shù)支撐。

二、核心科學(xué)問題

本重大研究計(jì)劃將圍繞“感知特征提取、表達(dá)與整合”、“感知數(shù)據(jù)的機(jī)器學(xué)習(xí)與理解”和“多模態(tài)信息協(xié)同計(jì)算”等核心科學(xué)問題，組織并實(shí)施如下四個(gè)主要方面的研究工作。

（一）圖像與視覺信息計(jì)算。

主要研究圖像與視覺信息計(jì)算的認(rèn)知機(jī)理，視覺基本特征的提取與選擇，物體識(shí)別與圖像內(nèi)容理解，復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的行為分析等。提出若干圖像與視覺信息的高效計(jì)算模型，取得國(guó)際公認(rèn)的原創(chuàng)性研究成果（在Nature, Science, IEEE Trans. PAMI等刊物上發(fā)表高水平論文），培養(yǎng)具有國(guó)際影響力的優(yōu)秀人才與研究團(tuán)隊(duì)。

（二）語(yǔ)音與聽覺信息計(jì)算。

主要研究聽感知機(jī)理與音頻場(chǎng)景分析，自然環(huán)境下的語(yǔ)音識(shí)別與合成，口語(yǔ)對(duì)話分析與理解等。取得國(guó)際上有影響的原創(chuàng)性研究成果，提出若干語(yǔ)音與聽覺信息的有效計(jì)算模型，在本領(lǐng)域國(guó)際權(quán)威刊物上發(fā)表高水平論文，培養(yǎng)具有國(guó)際影響力的優(yōu)秀人才與研究團(tuán)隊(duì)。

（三）自然語(yǔ)言（漢語(yǔ)）理解。

主要研究語(yǔ)言加工的認(rèn)知機(jī)理，語(yǔ)言知識(shí)建模和語(yǔ)義計(jì)算模型，基于語(yǔ)義理解的機(jī)器翻譯方法，面向網(wǎng)絡(luò)的漢語(yǔ)適度理解模型和系列分析工具，支持自然環(huán)境下口語(yǔ)對(duì)話分析、識(shí)別與理解的關(guān)鍵技術(shù)等。在國(guó)內(nèi)已有相關(guān)成果的基礎(chǔ)上，統(tǒng)籌構(gòu)建大規(guī)模高標(biāo)準(zhǔn)漢語(yǔ)語(yǔ)義知識(shí)庫(kù)。將上述研究成果應(yīng)用到語(yǔ)言（漢語(yǔ)）信息處理典型系統(tǒng)中，顯著提高對(duì)自然語(yǔ)言（句子、段落、篇章）的理解能力，并在網(wǎng)絡(luò)信息檢索、過濾和知識(shí)獲取方面得到驗(yàn)證。       

（四）多模態(tài)信息的協(xié)同計(jì)算與腦—機(jī)接口。

主要研究多模態(tài)感知信息協(xié)同的認(rèn)知機(jī)理與計(jì)算模型，基于視聽覺信息融合的模式識(shí)別與環(huán)境交互方法，跨模態(tài)視頻信息檢索與網(wǎng)絡(luò)敏感信息過濾技術(shù)等。大幅度提高跨模態(tài)視頻信息檢索的查準(zhǔn)率，顯著提升本領(lǐng)域整體研究實(shí)力。

研究與視聽覺認(rèn)知相關(guān)的腦信號(hào)提取、腦區(qū)定位與腦功能網(wǎng)絡(luò)分析方法和技術(shù)，腦—機(jī)交互中的信號(hào)傳輸、處理與控制技術(shù)，與視聽覺認(rèn)知相關(guān)的腦—機(jī)接口典型應(yīng)用。在改善殘疾人生活質(zhì)量和功能康復(fù)等方面得到驗(yàn)證或應(yīng)用，為延伸和提高人類行為控制能力提供新技術(shù)。

三、關(guān)鍵技術(shù)與集成驗(yàn)證平臺(tái)

在上述研究工作的基礎(chǔ)上，本重大研究計(jì)劃進(jìn)一步開展與視聽覺信息處理相關(guān)的關(guān)鍵技術(shù)和集成驗(yàn)證平臺(tái)研究。

（一）視聽覺信息協(xié)同計(jì)算的關(guān)鍵技術(shù)。

研究機(jī)器視聽覺信息的協(xié)同計(jì)算模型及系統(tǒng)實(shí)現(xiàn)技術(shù)，基于視聽覺信息融合的模式識(shí)別技術(shù)與驗(yàn)證系統(tǒng)，跨模態(tài)視頻信息檢索與網(wǎng)絡(luò)敏感信息過濾技術(shù)及應(yīng)用。基于多模態(tài)協(xié)同計(jì)算模型的網(wǎng)絡(luò)視頻信息搜索的查準(zhǔn)率比同期國(guó)外最好水平高5%—10%，并在網(wǎng)絡(luò)信息安全與服務(wù)等領(lǐng)域得到驗(yàn)證。

（二）自然語(yǔ)言（漢語(yǔ)）理解關(guān)鍵技術(shù)。

研究漢語(yǔ)通用詞匯的規(guī)范化語(yǔ)義知識(shí)庫(kù)及其構(gòu)建技術(shù)，面向網(wǎng)絡(luò)的漢語(yǔ)適度理解模型及系列分析工具的實(shí)現(xiàn)技術(shù)，支持自然環(huán)境下口語(yǔ)對(duì)話分析、識(shí)別與理解的關(guān)鍵技術(shù)。在國(guó)內(nèi)現(xiàn)有相關(guān)成果的基礎(chǔ)上，統(tǒng)籌構(gòu)建漢語(yǔ)語(yǔ)義知識(shí)庫(kù)，漢語(yǔ)通用詞匯規(guī)模不小于5萬(wàn)詞，帶有語(yǔ)義標(biāo)注的漢語(yǔ)平衡語(yǔ)料庫(kù)規(guī)模不小于1千萬(wàn)字。將研究成果應(yīng)用到網(wǎng)絡(luò)環(huán)境下的漢語(yǔ)處理系統(tǒng)中，信息檢索與知識(shí)獲取的準(zhǔn)確率比現(xiàn)有最好技術(shù)提高20%以上。

（三）與視聽覺認(rèn)知相關(guān)的腦―機(jī)接口關(guān)鍵技術(shù)。

研究與視聽覺認(rèn)知相關(guān)的腦信號(hào)提取、腦區(qū)定位與腦功能網(wǎng)絡(luò)分析技術(shù)，腦—機(jī)交互中的信號(hào)傳輸、處理、控制技術(shù)及系統(tǒng)實(shí)現(xiàn)，與視聽覺認(rèn)知相關(guān)的腦—機(jī)接口典型應(yīng)用。所提無(wú)創(chuàng)腦―機(jī)接口信息提取與分析等技術(shù)處于同期國(guó)際領(lǐng)先水平，在改善殘疾人生活質(zhì)量和功能康復(fù)等方面得到驗(yàn)證或應(yīng)用。

（四）無(wú)人駕駛車輛集成驗(yàn)證平臺(tái)。

集成上述基礎(chǔ)理論與關(guān)鍵技術(shù)的相關(guān)研究成果，將傳統(tǒng)視覺計(jì)算模型與新的視覺認(rèn)知模型相結(jié)合，實(shí)現(xiàn)環(huán)境感知與建模方法新突破；實(shí)現(xiàn)多傳感器跨模態(tài)跨尺度信息融合，生成高質(zhì)量三維場(chǎng)景認(rèn)知地圖，構(gòu)建高性能智能車輛無(wú)人駕駛驗(yàn)證平臺(tái)；提供新的基于人—車—路狀態(tài)綜合分析的智能輔助安全駕駛關(guān)鍵技術(shù)；在國(guó)防、智能輔助安全駕駛等相關(guān)領(lǐng)域得到驗(yàn)證或應(yīng)用并產(chǎn)生重要影響。

matlabpool open 4;%打開四個(gè)線程
B=zeros(1,5);
parfor i=1:5
a=i;
B(1,i)=a;
end
matlabpool close
B
Libing Wang師弟用過，比如對(duì)PCA 20次隨機(jī)分割肯定能這么用，這樣會(huì)提高CPU的利用效率，幾個(gè)核同時(shí)用

一個(gè)使用parfor-loop的例子:
%example of parfor-loop %本地worker數(shù)通常等于cpu的核數(shù)
matlabpool open local 2;
parfor i=1:1024
A(i) = sin(i*2*pi/1024);
end
plot(A);
matlabpool close;

設(shè)機(jī)器的CPU核心數(shù)量是CoreNum雙核機(jī)器的CoreNum2，依次類推。CoreNum以不等于核心數(shù)量，但是如果CoreNum小于核心數(shù)量則核心利用率沒有最大化，如果CoreNum大于核心數(shù)量則效率反而可能下降(如何看計(jì)算機(jī)有幾個(gè)核？Weiqiang說任務(wù)管理器->性能，看CPU使用記錄有幾個(gè)就是幾個(gè)核)。因此單核機(jī)器就不要折騰并行計(jì)算了，否則速度還更慢。下面一段代碼初始化Matlab并行計(jì)算環(huán)境：

%Initialize Matlab Parallel Computing Enviornment by Xaero | Macro2.cn

CoreNum=2; %設(shè)定機(jī)器CPU核心數(shù)量，我的機(jī)器是雙核，所以CoreNum=2

if matlabpool('size')<=0 %判斷并行計(jì)算環(huán)境是否已然啟動(dòng)

matlabpool('open','local',CoreNum); %若尚未啟動(dòng)，則啟動(dòng)并行環(huán)境

else

disp('Already initialized'); %說明并行環(huán)境已經(jīng)啟動(dòng)。

end

運(yùn)行成功后會(huì)出現(xiàn)如下語(yǔ)句：

Starting matlabpool using the 'local' configuration ... connected to 2 labs.

成運(yùn)行計(jì)算后可以將其關(guān)閉。關(guān)閉的命令很簡(jiǎn)單：

matlabpool close

另外一個(gè)問題就是并行代碼做模擬的次數(shù)問題。我們要達(dá)到用非并行的代碼做N此模擬所能得到結(jié)果的精確程度，在核心為CoreNum并行代碼中，Parfor語(yǔ)句段中只要做N/CoreNum次即可達(dá)到。

read twice http://blog.sciencenet.cn/blog-419879-444784.html, no need to see again

但下面例子是可以的，parfor內(nèi)部可以有for(parfor本身也不支持嵌套，將for j 改為parfor，兩重parfar不行)：

matlabpool open local 2;

parfor i=1:1024

A(i) = sin(i*2*pi/1024);

for j=1:10

B(i,j)=A(i)*j;

end

end

matlabpool close;

這段代碼沒有問題，不知我的Test_GLA_DLSR_FS_ServerVersion_outerParFor，沒有r = zeros(length_d,1);就不行，提示rate can not be classified.和Weiqiang討論，他也沒遇到這種錯(cuò)誤，只是想辦法用替代方法解決
解決方案：最內(nèi)層的循環(huán)用parfor(Weiqiang說未必要這樣)；幾個(gè)內(nèi)層串行for，相互沒有關(guān)聯(lián)，可以一起parfor。parfor內(nèi)部不能有clear和save，因?yàn)?/span>parfor內(nèi)部有了clear和save，對(duì)應(yīng)的clear和save會(huì)顯示紅色。This is with Dong Cao's help.
解決方案：Weiqiang說parfor內(nèi)部是可以有for循環(huán)的，他講是可以有clear和load的，封裝成一個(gè)函數(shù)my_clear(隨便什么函數(shù)名字都行)調(diào)用clear即可，load類似，但save不行。

錯(cuò)誤實(shí)現(xiàn)：
function my_load1(filename)
load(filename);
end
正確實(shí)現(xiàn)
function S = my_load(filename)
S = load(filename);
end

和Weiqiang討論，他也沒說清楚原因。

function my_clear(name1)

clear name1;

    end

看clear的用法有很多種，Weiqiang講只能寫死一種。

見Test_GLA_DLSR_FS_ServerVersion_outerParFor

The client lost connection to lab 4. This might be due to network problems, or

the interactive matlabpool job might have errored.Weiqiang說這種問題沒法解決,

是通訊問題
在本機(jī)程序沒耗100%CPU和內(nèi)存，到服務(wù)器上跑會(huì)不會(huì)快點(diǎn)，Weiqiang講會(huì)快點(diǎn)，但快不了多少。他在du公司服務(wù)器速度也和lab服務(wù)器速度速度差不多，關(guān)鍵程序本身很慢，租服務(wù)器還是很慢。

This section shows how to modify a simple for-loop so that it runs in parallel. This loop does not have a lot of iterations, and it does not take long to execute, but you can apply the principles to larger loops. For these simple examples, you might not notice an increase in execution speed.

1. Suppose your code includes a loop to create a sine wave and plot the waveform:

   for i=1:1024
       A(i) = sin(i*2*pi/1024);
       end
       plot(A)

2. To interactively run code that contains a parallel loop, you first open a MATLAB pool. This reserves a collection of MATLAB worker sessions to run your loop iterations. The MATLAB pool can consist of MATLAB sessions running on your local machine or on a remote cluster:

   matlabpool open local 3

3. With the MATLAB pool reserved, you can modify your code to run your loop in parallel by using a parfor statement:

   parfor i=1:1024
       A(i) = sin(i*2*pi/1024);
       end
       plot(A)

   The only difference in this loop is the keyword parfor instead of for. After the loop runs, the results look the same as those generated from the previous for-loop.

   

   Because the iterations run in parallel in other MATLAB sessions, each iteration must be completely independent of all other iterations. The worker calculating the value for A(100) might not be the same worker calculating A(500). There is no guarantee of sequence, so A(900) might be calculated before A(400). (The MATLAB Editor can help identify some problems with parfor code that might not contain independent iterations.) The only place where the values of all the elements of the array A are available is in the MATLAB client, after the data returns from the MATLAB workers and the loop completes.

4. When you are finished with your code, close the MATLAB pool and release the workers:

   matlabpool close

For more information on parfor-loops, see Parallel for-Loops (parfor).

邢波（Eric Poe Xing），現(xiàn)為美國(guó)卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）計(jì)算機(jī)系的助理教授。邢波，1993年畢業(yè)于中國(guó)清華大學(xué)物理和生物系，并獲雙學(xué)士學(xué)位。1998年，1999年，邢波于Rutgers University分別獲得計(jì)算機(jī)的碩士學(xué)位和分子生物與生物化學(xué)的博士學(xué)位，其博士論文為The Molecular Mechanism of Human Esophageal Carcinogenesis。2004年，邢波從美國(guó)加州大學(xué)柏克萊分校計(jì)算機(jī)系獲得其在美國(guó)的第二個(gè)博士學(xué)位，其博士論文為Probabilistic graphical models and algorithms for genomic analysis。邢波教授目前的研究方向?yàn)闄C(jī)器學(xué)習(xí)，統(tǒng)計(jì)計(jì)算方法，生物信息工程，圖像信息挖掘等等。

上周有幸聽了邢波教授的五天機(jī)器學(xué)習(xí)課程,受教頗多頗多。該課程屬于"龍星計(jì)劃" 的一部分,該計(jì)劃每年都會(huì)邀請(qǐng)一些海外杰出的華人教授回國(guó)教授研究生課程。Professor xing是CMU的副教授，也是當(dāng)代機(jī)器學(xué)習(xí)領(lǐng)域中泰山北斗Michael Jordan的學(xué)生,他們那些人經(jīng)歷了推動(dòng)這個(gè)領(lǐng)域從無(wú)到有，再到今天繁榮昌盛的過程。除此之外，他還是Richard Karp（提出NP問題而獲得1985年圖靈獎(jiǎng)）, 和Stuart Russell（《人工智能：一種現(xiàn)代方法》的作者）的學(xué)生。用邢教授的話說，他當(dāng)年在Berkeley讀博時(shí)，面對(duì)Karp時(shí)和他談算法，面對(duì) Jordan時(shí)就和他談Machine Learning,面對(duì)Russell時(shí)和他談AI。五年之后，博得眾家之所長(zhǎng)，在CMU開辟一片屬于自己的天地。值得一提的是，邢教授本科在清華念得的 是物理，后來(lái)去美國(guó)讀了個(gè)分子生物和生物化學(xué)的博士，然后再去Berkeley讀計(jì)算機(jī)的博士的。

此次回國(guó)講課，雖然短短五天，但邢教授 恨不得傾囊相授。從機(jī)器學(xué)習(xí)從前二三十年的發(fā)展，到前十年的成果，再到上個(gè)月的成果;從背后深厚的數(shù)學(xué)原理到上層模型算法的應(yīng)用實(shí)例和技巧;更是高屋建瓴 將整個(gè)領(lǐng)域總結(jié)成一個(gè)五維空間，同時(shí)將問題映射到具體細(xì)節(jié)。由于課程時(shí)間很緊，課程內(nèi)容其實(shí)是他在CMU所教授的兩門研究生課程的一個(gè)結(jié)合，所以講課速度 不得不比較快，但每講完一個(gè)問題，他都會(huì)停下來(lái)問問大家有沒有什么問題，征求大家的意見，唯恐大家聽不懂。不僅如此，每到興奮之處，更是會(huì)講授他的一些研 究經(jīng)歷。期間為了和大家給大家更多的交流機(jī)會(huì)，更是在周三晚上增加了一次座談，回答大家學(xué)習(xí)上，生活上等等的問題。雖然白天上課強(qiáng)度如此之大，他每天晚上 三點(diǎn)起床為我們備課，每次上課都會(huì)提前二十鐘到堂，上課前十分鐘還要把ppt好好檢查一遍，修改的更為完美。此番熱忱之心，真是令人感動(dòng)!反觀國(guó)內(nèi)一些無(wú) 術(shù)之士，上課簡(jiǎn)直就是浪費(fèi)別人的的大好青春，扼殺別人的創(chuàng)造力。

我一直很奇怪，姑且不論其本科專業(yè)，這個(gè)人為什么要讀兩個(gè)專業(yè)差別如此大 的博士，他又是如何做到的?后來(lái)，在座談會(huì)上，才被一席話驚醒夢(mèng)中人。答案很簡(jiǎn)單--passion。講到他之所以三番兩次改專業(yè)，其實(shí)就是一個(gè)不斷的去 嘗試的過程，"Fowllow my heart"。最終終于在Machine Learning找到了自己的歸屬，而且是計(jì)算機(jī)頂尖牛校。很多人會(huì)問他,本科在清華讀了四年物理，博士又那么辛苦讀了五年生物，就這樣放棄，值得嗎？他 說，一個(gè)人如果在他四十歲時(shí)做出改變都不算晚，因?yàn)樗€有下半輩子來(lái)享受這種改變；反之如果他一直瞻前顧后，止步不前，那么他遺憾的就是一輩子!人生可就 這么一輩子啊!再?gòu)木唧w的講，本科乃至博士學(xué)到的東西都是很快會(huì)過時(shí)的，所以沒什么舍不得的,還舉了以前他讀清華時(shí)的同學(xué)的例子，因?yàn)槌煽?jī)好舍不得放棄物 理，然而又對(duì)物理沒有passion,十余年過后，兩人差距可想而治。總結(jié)一下，人活著就應(yīng)該去做自己有passion的事，敢于去try，不要怕吃苦， 敢于放棄!

其實(shí),作為一個(gè)轉(zhuǎn)專業(yè)的學(xué)生，邢教授申請(qǐng)Berkeley的過程并不順利，一開始報(bào)Jordan，被調(diào)到Karp那，Karp 也沒接收，最后落到Russell那搞人工智能,但他并沒有放棄對(duì)Machine Learning的熱愛，經(jīng)過不懈努力，最終得到了Jordan和Karp的認(rèn)可，被兩人也收為弟子。還講到研究生與導(dǎo)師相處的訣竅是不要等老師來(lái) drive你，而是你要主動(dòng)去drive老師。具體的說，不要等老師來(lái)告訴你要干什么，而要你主動(dòng)去告訴老師你在干什么，想干什么,讓老師來(lái)配合你的工 作！當(dāng)我問道國(guó)內(nèi)的研究環(huán)境和國(guó)外的差距，國(guó)內(nèi)整天做工程的困惑時(shí)，他的建議是要尋找一個(gè)平衡點(diǎn)，既讓自己happy，也要讓導(dǎo)師happy。這句話是想 想目前還是正確的，自己不happy，日后后悔的只有自己；搞的導(dǎo)師不happy了--會(huì)死的很難看,起碼在國(guó)內(nèi)的環(huán)境下大概如此了。很多事情，看上去總 是困難重重，但“If you have the heart，Nothing can stop you”!

在做研究方面，他 講到做研究最重要的是honesty,只有做到honesty，才會(huì)有人追隨你。雖然貴為該領(lǐng)域的大教授，但在課堂上，對(duì)于其不確定或是不知道的問題，絕 不掩飾，虛心的聽取別人的見解。其次就是diligence，講到Jordan即使是度假，每天也到帶兩三篇paper讀讀，講到 Andrew（Jordan最出色的弟子，邢教授的師兄）整日呆在實(shí)驗(yàn)室不出門，他自己回國(guó)晚上只睡著4個(gè)小時(shí),白天依然神采奕奕的講課。是什么支持他們 做到如此的，答案還是passion。因?yàn)閜assion,對(duì)于那些大牛讀paper其實(shí)就普通人看電影沒有區(qū)別。還有一點(diǎn)就是healthy。在同等條 件下或是別人條件比你好的情況下，你唯有拼身體了--別人每天工作12小時(shí)，你每天工作13小時(shí)！還說到智力和出身院校其實(shí)都不重要，講到年紀(jì)比他還輕的 楊子恒,甘肅農(nóng)大畢業(yè)，北京農(nóng)大讀的博士如今已當(dāng)選為英國(guó)皇家學(xué)會(huì)院士。

PS:昨日在BBS上看到一篇文章“從院士增選看數(shù)學(xué)江湖”,后來(lái)又了解下丘-王事件，沒想到國(guó)內(nèi)數(shù)學(xué)界墮落到如此地步。國(guó)內(nèi)某些人雖然在局部時(shí)間和空間內(nèi)風(fēng)光無(wú)限，但無(wú)恥行徑注定日后遭人唾棄。真正有學(xué)問的人，也是品格極為高尚的人。在華老，陳老等老一輩苦心栽培的數(shù)學(xué)界，院士級(jí)別的人物尚且如此，其他領(lǐng)域不必多言。

花 了一上午多的工作時(shí)間終于敲成了這篇文章，希望與大家共勉。附上一幅插畫，此畫被邢教授掛于其辦公室當(dāng)中，座談?wù)n介紹后，當(dāng)即不少人將其作為桌面。其中道 理，盡在畫中。大圖地址:http://incredimazing.com/static/media/2008/01/06 /d1a108c26ba4bfc/successlarge.jpg

       以前覺得我是線性代數(shù)，概率論與數(shù)理統(tǒng)計(jì)方面的專家。2007年將2007年之前的每一條線性代數(shù)考研題都做了一篇，概率論與數(shù)理統(tǒng)計(jì)在上大學(xué)時(shí)就將所有概率論與數(shù)理統(tǒng)計(jì)的考研題做完。其實(shí)很多中國(guó)人都有這個(gè)問題，是解題專家，但意義呢？比如線性代數(shù)中最基本的概念特征向量的意義是什么？Jianxun Mi在百度百科里面查的，A*x=lamada*x,A是矩陣，x是非零特征向量，lamada是特征值。可以看出，特征向量是對(duì)x進(jìn)行線性變換也就是A*x，得到的只是長(zhǎng)度的拉升。所以特征向量定義是一個(gè)矩陣對(duì)空間中所有向量做線性變化，變換后如果只是這個(gè)向量簡(jiǎn)單地乘以一個(gè)縮放因子，所有滿足這個(gè)性質(zhì)的向量的集合。特征向量是針對(duì)一個(gè)線性變換，未必是矩陣。例如：
        (1)旋轉(zhuǎn)的地球的特征向量？只有指向南極和北極的兩個(gè)向量，只有這兩個(gè)向量只是長(zhǎng)度的拉升。隨著地球的自轉(zhuǎn)，每個(gè)從地心往外指的箭頭都在旋轉(zhuǎn)，除了在轉(zhuǎn)軸上的那些箭頭。考慮地球在一小時(shí)自轉(zhuǎn)后的變換：地心指向地理南極的箭頭是這個(gè)變換的一個(gè)特征向量，但是從地心指向赤道任何一處的箭頭不會(huì)是一個(gè)特征向量。因?yàn)橹赶驑O點(diǎn)的箭頭沒有被地球的自轉(zhuǎn)拉伸，它的特征值是1。 　　
        (2)另一個(gè)例子是，薄金屬板關(guān)于一個(gè)固定點(diǎn)均勻伸展，使得板上每一個(gè)點(diǎn)到該固定點(diǎn)的距離翻倍，特征向量是什么？這個(gè)伸展是一個(gè)有特征值2的變換。從該固定點(diǎn)到板上任何一點(diǎn)的向量是一個(gè)特征向量，而相應(yīng)的特征空間是所有這些向量的集合。

        filename = strcat('.\5Train\',num2str(i));
        load (filename);
       
        a=regexp(filename,'\.\\\d','match');
        b=regexp(a,'\d','match');
        temp=b{1,1};
        temp=temp{1,1};
        l=str2num(temp); %the number of training samples

如果僅僅在matlab程序的最后一句save結(jié)果，則可能導(dǎo)致斷電，什么結(jié)果也沒有保存下來(lái)。可以類似Sparsity preserving projections的代碼，在每一重循環(huán)的結(jié)尾save，要看該程序執(zhí)行到哪一重循環(huán)。因?yàn)閏or = zeros(splits,maxDim);所以看cor哪一行全為零，就知程序運(yùn)行到哪一步，即使斷電，可以從斷電的地方接著運(yùn)行從而節(jié)省很多時(shí)間。