Parallel Computing Toolbox
Выполнение параллельных вычислений на многоядерных компьютерах, графических процессорах и кластерах.
ДокументацияParallel Computing Toolbox позволяет решать вычислительные и ресурсоемкие задачи с использованием многоядерных процессоров, графических процессоров и компьютерных кластеров. Высокоуровневые конструкции, такие как параллельные циклы, специальные типы массивов и распараллеленные численные алгоритмы, позволяют распараллеливать приложения MATLAB без программирования Cuda или MPI. Инструмент позволяет использовать параллельные функции MATLAB и других тулбоксов. Parallel Computing Toolbox с Simulink можно использовать для параллельного выполнения нескольких симуляций модели. Программы и модели могут работать как в интерактивном, так и в пакетном режимах.
Инструмент позволяет использовать всю вычислительную мощность многоядерных процессоров, выполняя приложения на workers (вычислительные механизмы MATLAB), которые выполняются локально. Без изменения кода можно запускать одни и те же приложения в кластерах или облаках (с помощью MATLAB Parallel Server). Вы также можете использовать Parallel Computing Toolbox с MATLAB Parallel Server для выполнения матричных вычислений, которые слишком велики, чтобы поместиться в память одной машины.
Масштабирование MATLAB приложений
Parallel Computing Toolbox позволяет вашим приложениям использовать преимущества компьютеров, оснащенных многоядерными процессорами и графическими процессорами.
Ускорение MATLAB с многоядерными компьютерами
Используйте параллельные циклы for (parfor) для параллельного выполнения независимых итераций на многоядерных процессорах для таких задач, как расчет параметров на сетке, оптимизация и моделирование Монте-Карло. Parfor автоматизирует создание параллельных пулов и управляет зависимостями файлов, чтобы вы могли сосредоточиться на своей работе. Ключевые функции в нескольких продуктах MATLAB и Simulink имеют параллельные реализации. С Parallel Computing Toolbox эти функции могут распределять вычисления по доступным вычислительным ресурсам в параллельном режиме. Параллельные приложения можно выполнять в интерактивном режиме и пакетно.
Ускорение MATLAB на GPU
Parallel Computing Toolbox позволяет использовать графические процессоры NVIDIA® непосредственно в MATLAB с помощью GPUArray. Более 500 функций MATLAB автоматически запускаются на графических процессорах NVIDIA, включая fft, поэлементные операции и несколько операций линейной алгебры, таких как lu и mldivide, также известная как оператор обратной косой черты (\). Ключевые функции в нескольких продуктах MATLAB и Simulink, таких как Deep Learning Toolbox, имеют функции с поддержкой GPU. Вы можете использовать графические процессоры без необходимости писать дополнительный код, поэтому вы можете сосредоточиться на своих приложениях, а не на настройке производительности. Продвинутые разработчики могут вызывать свой собственный код CUDA непосредственно из MATLAB. Можно использовать несколько графических процессоров на настольных компьютерах, кластерах и облаках.
Обработка больших данных
Parallel Computing Toolbox расширяет возможности tall arrays и mapreduce, встроенные в MATLAB, чтобы иметь возможность работать на локальных рабочих для повышения производительности. Затем вы можете масштабировать tall arrays и mapreduce используя дополнительные ресурсы с помощью Matlab Parallel Server на традиционных кластерах или кластерах Apache Spark™ и Hadoop®. Вы также можете создавать прототипы распределенных массивов на рабочем столе, а затем масштабировать используя дополнительные ресурсы с помощью Matlab Parallel Server.
Параллельные циклы for (parfor)
Поддержка параллельных вычислений в MATLAB и Simulink (англ.)Ускорение моделирования Simulink
С Parallel Computing Toolbox вы можете легко запускать множество симуляций Simulink одновременно на нескольких ядрах процессора. Легко запускать одну и ту же модель с различными входными данными или настройками параметров в анализах Монте-Карло, развертках параметров, тестировании модели, проектировании эксперимента и оптимизации модели.
Параллельное выполнение нескольких симуляций
Используйте функцию parsim для параллельного выполнения симуляций. Функция распределяет множественные симуляций на множество процессоров для ускорения общего времени симуляции. Parsim также автоматизирует создание параллельных пулов, определяет зависимости файлов и управляет артефактами, что позволяет сосредоточиться на работе над проектом. Вы можете выполнить параллельные симуляции в интерактивном режиме или в пакетном режиме.
Менеджер симуляций (Simulation manager)
Simulation manager интегрирован с parsim и может использоваться для мониторинга и визуализации нескольких симуляций в одном окне. Можно выбрать отдельную симуляцию и просмотреть ее спецификацию, а также использовать инспектор данных для проверки результатов симуляции. Вы также можете удобно запускать диагностические задачи или прерывать симуляции.
Поддержка Simulink
В дополнение к использованию функций parsim и batchsim для запуска симуляций Simulink существует ряд продуктов Simulink, такие как Simulink Design Optimization, Reinforcement Learning Toolbox, Simulink Test и Simulink Coverage, которые обеспечивают параллельные расчеты, поэтому вы можете запускать симуляции в параллельном режиме без написания дополнительного кода.
Запуск симуляций в параллельном режиме (англ.)Параллельные вычисления на кластерах и облаках
Вы можете проводить прототипирование и отладку приложений на рабочем компьютере или виртуальном рабочем столе и затем масштабировать до кластеров или облаков без дополнительного кодирования. Разработка происходит интерактивном режиме. Переход на кластер или облако производиться с помощью рабочего процесса основанного на пакетном режиме.
Запуск MATLAB на общедоступных и частных облаках
Ускорьте анализ и симуляцию, используя преимущества нескольких высокопроизводительных процессоров и графических процессоров. Запускайте MATLAB и Simulink непосредственно на виртуальных машинах в среде Amazon Web Services® (AWS) или в Microsoft Azure®.
Вы также можете ускорить свои приложения для глубокого обучения, обучая нейронные сети в контейнере MATLAB Deep Learning на Nvidia GPU Cloud или на NVIDIA DGX.
Масштабирование на кластерах с MATLAB Parallel Server
Разработайте прототип на рабочем компьютере и масштабируйте его на вычислительный кластер или облако без дополнительного кодирования. Доступ к различным средам выполнения с рабочего компьютера можно получить, просто изменив профиль кластера.
MATLAB Parallel Server
Ускорение и распараллеливание MATLAB кода (MLAC)
DOCOMO Beijing Labs сокращает время разработки технологий мобильных коммуникаций на 50% при помощи MATLAB
