通过 Parallel Computing Toolbox,您可以使用多核处理器、GPU 和计算集群求解计算密集型和数据密集型问题。利用并行 for 循环、特殊数组类型和并行化数值算法等高级构造,您无需 CUDA 或 MPI 编程即可扩展 MATLAB 应用程序。借助 Parallel Computing Toolbox,您还可以并行运行 MATLAB 和其他工具箱中支持并行的函数,以及多个 Simulink 仿真。程序和模型均可在交互模式和批处理模式下运行。
该工具箱通过在本地运行的线程和工作进程(MATLAB 计算引擎)上执行应用程序,让您充分利用多核和支持 GPU 的桌面端的处理能力。无需更改代码,您就可以在集群或云上(使用 MATLAB Parallel Server)运行同一应用程序。您还可以将该工具箱与 MATLAB Parallel Server 结合使用,以执行由于太大而无法载入单台机器内存的矩阵计算。
使用 GPU 加速 MATLAB
无需编写任何额外代码即可使用 NVIDIA® GPU,从而让您专注于应用程序本身而不是性能调优。MATLAB、Simulink 和一些附加产品(如 Deep Learning Toolbox)中的关键函数都支持 GPU。高级开发人员也可以创建包含 CUDA 代码的 MEX 函数。在桌面端、计算集群和云环境中使用多个 GPU。
支持并行的其他 MATLAB 功能
MATLAB 和附加产品中的许多功能都具有自动并行支持,许多 App 都启用了并行功能。Parallel Computing Toolbox 提供了对广泛的执行模型支持,涵盖从并行函数执行到数据并行机制。您无需重新编写算法即可享用。
并行运行多个 Simulink 仿真
使用 parsim
函数并行运行仿真。该函数通过将多个仿真分布到多核 CPU 上来加快整体仿真速度。parsim
还可自动创建并行池、识别文件依存关系并管理编译工件,从而让您专注于设计工作。您可以通过交互方式或以批处理方式执行并行仿真。
在公有云和私有云中运行 MATLAB 桌面
通过利用云中的按需高性能 CPU 和 GPU 机器加快分析和仿真速度。在 Amazon Web Services® (AWS) 或 Microsoft Azure® 中的虚拟机上直接运行 MATLAB 和 Simulink。
使用 MATLAB Parallel Server 扩展到集群
在您的桌面端上开发原型,无需重新编码即可扩展到计算集群或云。只需更改集群配置文件,即可从您的桌面端访问不同执行环境。
在 MATLAB Parallel Server 上使用分布式数组
无需重新编写算法,即可执行单机内存无法容纳的计算。很多函数可在使用分布式数组输入调用时自动启用分布式计算运行。在您的桌面端上构建原型,并使用 MATLAB Parallel Server 扩展到更多资源以利用所有这些资源来执行。
产品资源:
“我们使用 Parallel Computing Toolbox 和 MATLAB Parallel Server 将工作分布到一个包含 56 个处理器的集群上执行。这样,我们就能够使用 MATLAB 和 Deep Learning Toolbox 快速确定最佳神经网络配置,基于移植数据库中的数据训练网络,然后运行仿真以分析风险因素和存活率。”
Johan Nilsson 博士,隆德大学 Skåne 校医院