Параллельные вычисления позволяют вам выполнять много вычислений одновременно. Большие проблемы могут часто разделяться в меньшие единицы, которые затем решены одновременно.
Главные причины рассмотреть параллельные вычисления к
Сэкономьте время распределительными задачами и выполняющий их одновременно
Решите большие проблемы данных распределительными данными
Используйте в своих интересах свои ресурсы рабочего компьютера и масштабируйте до кластеров и облачных вычислений
С Parallel Computing Toolbox™ вы можете
Ускорьте свой код с помощью интерактивных инструментов параллельных вычислений, таких как parfor
и parfeval
Увеличьте свое вычисление с помощью интерактивных инструментов обработки Больших данных, таких как distributed
, tall
, datastore
и mapreduce
Используйте gpuArray
, чтобы ускорить ваше вычисление на графическом процессоре вашего компьютера
Используйте batch
, чтобы разгрузить ваше вычисление к средствам облачных вычислений или компьютерным кластерам
Вот некоторые полезные концепции Параллельных вычислений:
Центральный процессор: Центральный процессор, включая несколько ядер или процессоров
Графический процессор: Графический процессор, теперь широко используемый для вычисления графического процессора общего назначения (GP)
Узел: автономный компьютер, содержа один или несколько CPUs / графические процессоры. Узлы объединяются в сеть, чтобы сформировать кластер или суперкомпьютер
Поток: самый маленький набор инструкций, которые могут быть управляемыми независимо планировщиком. На графическом процессоре, многопроцессорной или многожильной системе, несколько потоков могут быть выполнены одновременно (многопоточность)
Пакет: разгрузите выполнение функционального скрипта, чтобы запуститься в фоновом режиме
Масштабируемость: увеличение параллельного ускорения со сложением большего количества ресурсов
Что предлагают инструменты MATLAB® и Parallel Computing Toolbox?
Работники MATLAB: MATLAB вычислительные механизмы для параллельных вычислений, сопоставленных с ядрами в многожильной машине
Параллельный пул: параллельный пул работников MATLAB может быть создан с помощью parpool
Убыстритесь: Ускорьте свой код путем работы нескольких работников MATLAB, использования parfor
и parfeval
Масштабируйте: Разделите свой большой data
через несколько работников MATLAB, с помощью массивов distributed
и mapreduce
Асинхронная обработка: Используйте parfeval
, чтобы выполнить вычислительную задачу, не ожидая его, чтобы завершиться