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 工作单元上使用 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
工具
并行池仪表板 | 监控和可视化并行池上的活动 (自 R2025a 起) |
主题
基础
- 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 以交互方式并行运行循环
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
在本地计算机上开发并行 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。 - 在云中处理大数据
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行处理。 - 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。
监控和探查并行代码
- 探查并行代码
使用并行配置文件来确定每个工作单元的计算和通信时间。 - 使用并行池仪表板监控池工作单元
学习如何使用并行池仪表板收集和分析监控数据。 (自 R2025a 起) - 优化 parfor 循环,使用并行池仪表板
此示例演示了如何利用并行池仪表板中的池监控数据来优化一个parfor
循环。 (自 R2025a 起) - 以编程方式收集池监控数据
使用命令行界面收集池活动监控数据。 (自 R2025a 起) - 保存并查看并行池监控结果
将监控结果保存为 MAT 文件,并可在后续时间访问这些文件。 (自 R2025a 起)
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、池大小以及并行环境的选择。 - 指定并行设置
调整并行设置,并自动创建并行池。 - 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。 - 设置工作单元的环境变量
将系统环境变量从客户端复制到集群中的工作单元。 - 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。 - 故障排除和调试
描述常见的编程错误以及如何避免它们。