Выполнение сдвига параметров параллельно и печать хода выполнения во время параллельных вычислений. Можно использовать DataQueue для мониторинга результатов во время вычислений в параллельном пуле. Можно также использовать DataQueue с параллельными языковыми функциями, такими как parfor, parfeval и spmd.

Использует Toolbox™ параллельных вычислений для выполнения двухмерного быстрого преобразования Фурье (FFT) на графическом процессоре. Двумерное преобразование Фурье используется в оптике для вычисления дифракционных диаграмм дальнего поля. Эти дифракционные картины наблюдаются, когда монохроматический источник света проходит через небольшое отверстие, как в эксперименте Янга с двойной щелью.

Распределённые массивы хорошо подходят для больших математических вычислений, таких как большие задачи линейной алгебры. В этом примере показано, как можно решить систему линейных уравнений вида Ax = b параллельно с прямым методом с помощью распределенных массивов. Так же, как и для массивов, хранящихся в памяти клиента, можно использовать mldivide для решения систем банок линейных уравнений, определяемых с помощью распределенных массивов, поэтому изменять код не нужно.

Разработка параллельного кода MATLAB ® на локальном компьютере и масштабирование до кластера. Кластеры предоставляют больше вычислительных ресурсов для ускорения и распределения вычислений. Код можно запускать в интерактивном режиме параллельно на локальном компьютере, затем в кластере без изменения кода. По завершении создания прототипа кода на локальном компьютере можно выгрузить вычисления в кластер с помощью пакетных заданий. Таким образом, можно закрыть MATLAB и получить результаты позже .

Доступ к большому набору данных в облаке и его обработка в облачном кластере с использованием возможностей MATLAB для больших данных.

Обучение сверточной нейронной сети с помощью автоматической поддержки MATLAB для параллельного обучения. Глубокое обучение часто занимает часы или дни. Параллельные вычисления позволяют ускорить обучение с помощью нескольких графических процессоров (GPU) локально или в кластере в облаке. Если у вас есть доступ к машине с несколькими графическими процессорами, то вы можете завершить этот пример на локальной копии данных. Если вы хотите использовать больше ресурсов, вы можете масштабировать глубокое обучение в облаке. Дополнительные сведения о возможностях параллельного обучения см. в разделе Масштабирование глубокого обучения параллельно и в облаке. В этом примере приведены инструкции по обучению сети глубокого обучения в кластере в облаке с помощью автоматической параллельной поддержки MATLAB.