集群和云
发现集群资源并使用集群配置文件
如果您的计算任务对于您的本地计算机来说过于庞大或速度太慢,您可以将计算卸载到现场集群或云端,以最少的更改运行您的 MATLAB® 代码。尝试使用 MATLAB 工具条中的并行 > 发现集群来了解您是否已有可用的集群。
如果您已经拥有一个带调度器的集群,则可以使用 MATLAB Parallel Server™ 将 MATLAB 与其集成。或者,如果您没有现有的调度器,则 MATLAB Parallel Server 提供了 MATLAB 作业调度器。
函数
类
示例和操作指南
集群设置
- 发现集群并使用集群配置文件
了解如何使用集群配置文件并发现云集群。 - 从桌面扩展到集群
在本地机器上开发并行 MATLAB® 代码并扩展到集群。 - 在云端处理大数据
此示例展示了如何访问云中的大型数据集,并使用 MATLAB® 大数据功能在云集群中对其进程。 - 将并行代码扩展到大型集群
探索扩展并行 MATLAB 代码以使用大型 HPC 集群的选项。
- 利用 HPC 挑战对您的集群进行基准测试
此示例展示如何使用 HPC 挑战基准测试来评估计算集群的性能。该基准测试由几项测量不同内存访问模式的测试组成。欲了解更多信息,请参阅 HPC 挑战基准。
深度学习
- 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. - Deep Learning with MATLAB on Multiple GPUs (Deep Learning Toolbox)
Speed up deep neural network training using multiple GPUs locally or in the cloud. - 使用自动多 GPU 支持训练网络 (Deep Learning Toolbox)
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 parfor 训练多个深度学习网络 (Deep Learning Toolbox)
此示例说明如何使用parfor
循环对训练选项执行参数扫描。 - 使用 parfeval 训练多个深度学习网络 (Deep Learning Toolbox)
此示例说明如何使用parfeval
对深度学习网络的网络架构深度执行参数扫描,并在训练期间检索数据。 - 并行训练深度学习网络 (Deep Learning Toolbox)
此示例说明如何在本地计算机上运行多个深度学习试验。使用此示例作为模板,您可以修改网络层和训练选项,以满足您的具体应用需要。无论您有一个还是多个 GPU,都可以使用这种方法。如果您只有一个 GPU,网络会在后台逐个进行训练。本示例中的方法使您能够在进行深度学习试验时继续使用 MATLAB®。 - Train Network in Parallel with Custom Training Loop (Deep Learning Toolbox)
This example shows how to set up a custom training loop to train a network in parallel. - 在 AWS 中使用深度学习数据 (Deep Learning Toolbox)
此示例说明如何将数据上传到 Amazon S3™ 存储桶。 - 将深度学习批处理作业发送到集群 (Deep Learning Toolbox)
此示例说明如何将深度学习训练批处理作业发送到集群,以便您可以在训练过程中继续工作或者关闭 MATLAB®。
概念
- 指定您的并行首选项
指定您的偏好,并自动创建一个并行池。
- 通用通用程序的插件脚本
如何使用插件脚本来设置通用调度器。
- 设置工作进程的环境变量
将系统环境变量从客户端复制到集群中的工作进程。
相关信息
- 并行和云 (Deep Learning Toolbox)
- 安装 (MATLAB Parallel Server)
- 使用 MATLAB 通过并行计算缩短获得结果的时间