并行计算基础

选择并行计算解决方案

并行计算可以帮助您以不同的方式解决大型计算问题。MATLAB^® 和 Parallel Computing Toolbox™ 提供了一种交互式编程环境，可以帮助您处理计算任务。如果您的代码运行速度太慢，您可以对其进行探查和向量化，并使用内置的 MATLAB 并行计算支持。然后，您可以尝试通过在并行池中的多个 MATLAB 工作进程上使用 parfor 来加快代码执行速度。如果您拥有大数据，则可以使用分布式数组或 datastore 进行扩展。您还可以使用 parfeval 来执行任务，而无需等待它完成，这样，您便可以继续执行其他任务。您可以使用不同类型的硬件来解决并行计算问题，包括台式计算机、GPU、集群和云。要开始，请参阅在 MATLAB 中快速启动并行计算。

函数

全部展开

Parallel Computing Toolbox 中的关键函数

`parfor`	在工作进程并行上并行执行 `for`-loop 迭代
`parfeval`	在并行池工作进程上运行函数
`gpuArray`	存储在 GPU 上的数组
`distributed`	从客户端创建并访问分布式数组的元素
`batch`	在工作进程上运行 MATLAB 脚本或函数
`parpool`	在集群上创建并行池
`ticBytes`	开始计算并行池中传输的字节数
`tocBytes`	读取自调用 `ticBytes` 以来已传输了多少字节
`delete (Pool)`	关闭并行池

主题

基本

选择并行计算解决方案
发现 MATLAB 和 Parallel Computing Toolbox 提供的最重要的功能来解决您的并行计算问题。
并行语言决策表
发现常见并行计算语言功能的示例用例。
在 MATLAB 中快速启动并行计算
了解 MATLAB 和 Parallel Computing Toolbox 中的并行计算。
使用自动并行支持运行 MATLAB 函数
利用并行计算资源，无需任何额外的编码。
使用 parfor 以并行方式并行运行循环
将 for 循环转换为可扩展的 parfor 循环。
选择如何在并行计算中管理数据
确定满足并行计算要求的数据管理方法。
使用 parfor 进行参数扫描时的绘图
并行执行参数扫描，并在并行计算过程中绘制进度。
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。
运行批量并行作业
使用批处理从您的 MATLAB 会话卸载工作并在后台运行。
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。
使用 parfeval 在后台计算函数
尽早摆脱优化循环并收集可用的结果。
在 GPU 上运行 MATLAB 函数
提供 gpuArray 参量以在 GPU 上自动运行函数。
使用自动并行支持功能在云中训练网络 (Deep Learning Toolbox)
此示例说明如何利用 MATLAB® 对并行训练的自动支持来训练卷积神经网络。

了解更多

什么是并行计算？
了解 MATLAB 和 Parallel Computing Toolbox。
在并行池上运行代码
了解如何启动和停止并行池、池大小和集群选择。
在基于线程和基于进程的环境之间进行选择
使用 Parallel Computing Toolbox，您可以在不同的并行环境中运行并行代码，例如基于线程或基于进程的环境。这些环境提供了不同的优势。
在基于线程的环境中运行 MATLAB 函数
检查对您要在后台运行的 MATLAB 函数的支持。
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。
编写可移植的并行代码
编写并行代码，如果有 Parallel Computing Toolbox 则可以使用并行资源，如果没有 Parallel Computing Toolbox 则仍可运行。

精选示例

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。

打开实时脚本

使用 parfor 加速蒙特卡罗代码

此示例显示如何使用 parfor 循环来加速蒙特卡罗代码。蒙特卡罗方法应用于许多领域，包括物理学、数学、生物学和金融。蒙特卡罗方法涉及使用随机分布的输入多次执行一个函数。使用 Parallel Computing Toolbox，您可以用 parfor 循环替换 for 循环，以轻松加快代码速度。

打开实时脚本