Если ваша вычислительная задача является слишком большой или слишком медленной для локального компьютера, можно разгрузить вычисление к кластеру на месте или в облаке, чтобы запустить MATLAB® код с минимальными изменениями. Попробуйте Parallel > Discover Clusters на панели инструментов MATLAB, чтобы узнать, есть ли у вас уже доступный кластер.
Если у вас уже есть кластер с планировщиком, можно интегрировать MATLAB с ним с помощью MATLAB Parallel Server™. Кроме того, если у вас нет существующего планировщика, MATLAB Parallel Server предоставляет MATLAB Job Scheduler.
Обнаружение кластеров и использование профилей кластеров
Узнайте, как работать с профилями кластеров и обнаружить облачные кластеры, работающие на EC2 Amazon.
Масштабирование с рабочего стола на кластер
В этом примере показано, как разработать параллельный код MATLAB ® на локальной машине и масштабироваться до кластера .
Обработка Больших данных в облаке
В этом примере показано, как получить доступ к большому набору данных в облаке и обработать его в облачном кластере с помощью возможностей MATLAB для больших данных.
Оцените свой кластер с помощью HPC Challenge
В этом примере показано, как оценить эффективность вычислительного кластера с помощью HPC Challenge Benchmark.
Масштабирование глубокого обучения параллельно и в облаке (Deep Learning Toolbox)
Опции глубокого обучения с MATLAB с использованием нескольких графических процессоров, локально или в облаке.
Глубокое обучение с MATLAB на нескольких графических процессорах (Deep Learning Toolbox)
Укажите несколько графических процессоров, которые будут использоваться локально или в облаке для обучения.
Обучите сеть с помощью автоматической поддержки мультиграфических процессоров
В этом примере показано, как использовать несколько графических процессоров на локальной машине для глубокого обучения с помощью автоматической параллельной поддержки.
Используйте parfor для обучения нескольких Нейронных сетей для глубокого обучения
В этом примере показано, как использовать parfor цикл, чтобы выполнить сдвиг параметра для опции обучения.
Используйте parfeval для обучения нескольких Нейронных сетей для глубокого обучения
В этом примере показано, как использовать parfeval выполнить зачистку параметра на глубине сетевой архитектуры для нейронной сети для глубокого обучения и извлечь данные во время обучения.
Обучите Нейронные сети для глубокого обучения параллельно
В этом примере показано, как запустить несколько экспериментов по глубокому обучению на локальной машине.
Обучите сеть параллельно с пользовательским циклом обучения
В этом примере показано, как настроить пользовательский цикл обучения для параллельного обучения сети.
Загрузите данные глубокого обучения в облако
В этом примере показано, как загрузить данные в блок S3 Amazon.
Отправка пакетного задания глубокого обучения в кластер
В этом примере показано, как отправить пакетные задания глубокого обучения в кластер, чтобы можно было продолжить работу или закрыть MATLAB во время обучения.
Задайте свои параллельные настройки
Задайте свои настройки и автоматически создайте параллельный пул.
Скрипты плагинов для типовых планировщиков
Как использовать плагинные скрипты для настройки типовых планировщиков.
Установите переменные окружения для работников
Скопируйте переменные системного окружения из клиента в работники кластера.
Глубокое обучение в параллели и в облаке (Deep Learning Toolbox)
Запуск с MATLAB Parallel Server (MATLAB Parallel Server)
