并行计算
在 CPU 和/或 GPU 上并行执行 MATLAB® 程序和 Simulink® 仿真
使用 MATLAB 的并行计算通过桌面、集群和云中的 CPU 和 GPU 提供帮助您利用更多硬件资源的语言及工具。
无需更改任何代码即可实现并行计算，因为已有数百个函数支持自动并行计算和 GPU。
编写可移植的并行代码，无论是否有 Parallel Computing Toolbox 的用户都可以运行，还可根据可用资源自动扩展。
只需编写一次并行代码，即可在不同的集群环境中执行。
使用本地多核处理器和 GPU 求解计算密集型问题，或扩展到计算集群。
适用产品: 并行计算
Parallel Computing Toolbox
在多核计算机、GPU 和计算机集群上执行并行计算
MATLAB Parallel Server
在集群和云上执行 MATLAB 和 Simulink 计算
主题
并行计算基础
- 使用自动并行支持运行 MATLAB 函数 (Parallel Computing Toolbox)
利用并行计算资源，无需任何额外的编码。 - 使用 parfor 以交互方式并行运行循环 (Parallel Computing Toolbox)
将for循环转换为可扩展的parfor循环。 - 使用 parfor 进行参数扫描时的绘图 (Parallel Computing Toolbox)
并行执行参数扫描，并在并行计算过程中绘制进度。 - 在 MATLAB 中快速启动并行计算 (Parallel Computing Toolbox)
了解 MATLAB 和 Parallel Computing Toolbox™ 中的并行计算。
Simulink 中的并行仿真：
- Running Multiple Simulations in Simulink (Simulink)
Run multiple simulations from theparsimandbatchsimcommands, and the Multiple Simulations panel in Simulink Editor.
在 MATLAB 中使用 GPU
- 在 GPU 上运行 MATLAB 函数 (Parallel Computing Toolbox)
提供gpuArray参量以在 GPU 上自动运行函数。
扩展到集群和云
- 从桌面扩展到集群 (Parallel Computing Toolbox)
在本地计算机上开发并行 MATLAB® 代码并扩展到集群。 - 在 MATLAB Online 中将 Parallel Computing Toolbox 与 Cloud Center Cluster 结合使用 (Parallel Computing Toolbox)
在 MATLAB Online™ 中运行并行代码。
并行计算应用
- Scale Up Deep Learning in Parallel, on GPUs, and in the Cloud (Deep Learning Toolbox)
Explore options for deep learning with MATLAB in parallel and using multiple GPUs, locally or in the cloud. - 使用 Parallel Computing Toolbox 最小化高成本优化问题 (Optimization Toolbox)
说明如何在 Global Optimization Toolbox 和 Optimization Toolbox™ 求解器中使用并行计算的示例。
精选示例
使用 parfeval 进行参数扫描时的绘图
此示例显示如何使用 parfeval 执行并行参数扫描，并在使用 DataQueue 对象进行计算时发回结果。
说明 GPU 计算的三种方法：曼德布洛特集合
此示例展示如何调整您的 MATLAB® 代码以使用 GPU 计算曼德布洛特集合。
将脚本作为批处理作业运行
此示例显示如何使用 batch 将工作卸载到在后台运行的 MATLAB® 工作单元会话。
使用自动多 GPU 支持训练网络
此示例说明如何使用自动并行支持在本地计算机上使用多个 GPU 进行深度学习训练。
使用分布式数组通过直接方法求解线性方程组
此示例显示如何使用分布式数组的直接方法并行求解形式为 的线性方程组。
测量 GPU 内存带宽和处理能力
此示例演示了如何测量 GPU 硬件的一些关键性能指标。
