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 MATLAB® код 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 эффективность вычислить кластера со Сравнительным тестом проблемы HPC.
Увеличьте глубокое обучение параллельно на графических процессорах, и в облаке (Deep Learning Toolbox)
Опции для глубокого обучения для MATLAB параллельно и использующий несколько графических процессоров, локально или в облаке.
Глубокое обучение для MATLAB на нескольких графических процессорах (Deep Learning Toolbox)
Ускорьте обучение глубокой нейронной сети, использующее несколько графических процессоров локально или в облаке.
Обучите сеть Используя автоматическую поддержку мультиграфического процессора (Deep Learning Toolbox)
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 (Deep Learning Toolbox)
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 (Deep Learning Toolbox)
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.
Обучите нейронные сети для глубокого обучения в параллели (Deep Learning Toolbox)
В этом примере показано, как запустить несколько экспериментов глубокого обучения на вашей локальной машине.
Обучите сеть параллельно с пользовательским учебным циклом (Deep Learning Toolbox)
В этом примере показано, как настроить пользовательский учебный цикл, чтобы обучить сеть параллельно.
Загрузите данные о глубоком обучении на облако (Deep Learning Toolbox)
В этом примере показано, как загрузить данные на блок Amazon S3.
Отправьте пакетное задание глубокого обучения в кластер (Deep Learning Toolbox)
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.
Установите переменные окружения на рабочих
Скопируйте системные переменные от клиента рабочим в кластере.
Глубокое обучение в параллели и в облаке (Deep Learning Toolbox)
Начало работы с MATLAB Parallel Server (MATLAB Parallel Server)
