Parallel Computing Toolbox

Выполните параллельные расчеты на многоядерных компьютерах, графических процессорах и компьютерных кластерах

Parallel Computing Toolbox™ позволяет вам решить в вычислительном отношении и информационно емкие проблемы с помощью многоядерных процессоров, графических процессоров и компьютерных кластеров. Высокоуровневые построения — параллельные циклы for, специальные типы массива и параллелизированные числовые алгоритмы — позволяют вам параллелизировать MATLAB® приложения без CUDA или программирования MPI. Тулбокс позволяет вам использовать параллельно-поддерживающие функции в MATLAB и других тулбоксах. Можно использовать тулбокс с Simulink® запускать несколько симуляций модели параллельно. Программы и модели могут запуститься и в интерактивном и в пакетные режимы.

Тулбокс позволяет вам использовать полную вычислительную мощность многоядерных рабочих столов путем выполнения приложений на рабочих (MATLAB вычислительные механизмы) тот запуск локально. Без изменения кода можно запустить те же приложения в кластерах или облаках (использующий MATLAB Parallel Server™). Можно также использовать тулбокс с MATLAB Parallel Server, чтобы выполнить матричные вычисления, которые являются слишком большими, чтобы поместиться в память об одной машине.

Запуск

Изучите основы Parallel Computing Toolbox

Основные принципы параллельных вычислений

Выберите решение для параллельных вычислений

Параллельные циклы for (parfor)

Используйте параллельную обработку путем выполнения parfor на рабочих в параллельном пуле

Асинхронное параллельное программирование

Выполните функции в фоновом режиме с помощью parfeval

Обработка Больших данных

Анализируйте большие наборы данных в параллели с помощью распределенных массивов, длинных массивов, хранилищ данных, или mapreduce, на Spark® и Hadoop® кластеры

Пакетная обработка данных

Разгрузите выполнение функций, чтобы запуститься в фоновом режиме

Вычисление графического процессора

Ускорьте свой код путем выполнения его на графическом процессоре

Кластеры и облака

Узнайте кластерные ресурсы и работайте с кластерными профилями

Профилирование эффективности

Улучшайте производительность параллельного кода