Если ваша вычислительная задача является слишком большой или слишком медленной для вашего локального компьютера, можно разгрузить вычисление к локальному кластеру или в облаке, чтобы запустить код MATLAB® с минимальными изменениями. Попробуйте Parallel> Discover Clusters в панели инструментов MATLAB, чтобы узнать, имеете ли вы уже кластер в наличии.
Если у вас уже есть кластер с планировщиком, можно интегрировать MATLAB с ним с помощью MATLAB Parallel Server™. В качестве альтернативы, если у вас нет существующего планировщика, затем MATLAB Parallel Server обеспечивает Планировщик Задания MATLAB.
Обнаружение кластеров и использование профилей кластеров
Узнайте, как работать с кластерными профилями и обнаружить кластеры облака, работающие на Amazon EC2.
Масштабируйте от Рабочего стола до Кластера
В этом примере показано, как разработать ваш параллельный код MATLAB® по вашей локальной машине и масштабировать до кластера.
Обработка Больших данных в облаке
В этом примере показано, как получить доступ к большому набору данных в облаке и обработать его в кластере облака использование возможностей MATLAB больших данных.
Протестируйте своего кластера в сравнении с эталоном с проблемой HPC
В этом примере показано, как оценить производительность вычислить кластера со Сравнительным тестом проблемы HPC.
Увеличьте глубокое обучение в параллели и в облаке (Deep Learning Toolbox)
Опции для глубокого обучения для MATLAB с помощью нескольких графических процессоров, локально или в облаке.
Глубокое обучение для MATLAB на нескольких графических процессорах (Deep Learning Toolbox)
Задайте несколько графических процессоров, чтобы использовать локально или в облаке для обучения.
Обучите сеть Используя автоматическую поддержку мультиграфического процессора
В этом примере показано, как использовать несколько графических процессоров на вашей локальной машине для обучения глубокому обучению использование автоматической параллельной поддержки.
Используйте parfor, чтобы Обучить Несколько Нейронных сетей для глубокого обучения
В этом примере показано, как использовать parfor
цикл, чтобы выполнить развертку параметра на опции обучения.
Используйте parfeval, чтобы Обучить Несколько Нейронных сетей для глубокого обучения
В этом примере показано, как использовать parfeval
выполнять развертку параметра на глубине сетевой архитектуры для нейронной сети для глубокого обучения и получать данные во время обучения.
Запустите несколько экспериментов глубокого обучения параллельно
В этом примере показано, как запустить несколько экспериментов глубокого обучения на вашей локальной машине.
Обучите сеть параллельно с пользовательским учебным циклом
В этом примере показано, как настроить пользовательский учебный цикл, чтобы обучить сеть параллельно.
Загрузите данные о глубоком обучении на облако
В этом примере показано, как загрузить данные на блок Amazon S3.
Отправьте пакетное задание глубокого обучения кластеризироваться
В этом примере показано, как отправить пакетные задания обучения глубокому обучению в кластер так, чтобы можно было продолжить работать или закрыть MATLAB во время обучения.
Задайте свои параллельные настройки
Задайте свои настройки, и автоматически создайте параллельный пул.
Сменные скрипты для типовых планировщиков
Как использовать сменные скрипты, чтобы настроить типовые планировщики.
Глубокое обучение в параллели и в облаке (Deep Learning Toolbox)
Начало работы с MATLAB Parallel Server (MATLAB Parallel Server)