Parallel Computing Toolbox
Durchführen paralleler Berechnungen auf Mehrkerncomputern, GPUs und Clustern
Haben Sie Fragen? Vertrieb kontaktieren.
Mit der Parallel Computing Toolbox™ können Sie berechnungs- und datenintensive Probleme mithilfe von Mehrkernprozessoren, GPUs und Computerclustern lösen. High-Level Konstrukte wie parallele for-Schleifen, spezielle Array-Typen und parallelisierte numerische Algorithmen ermöglichen Ihnen die Parallelisierung von MATLAB®-Anwendungen ohne CUDA- oder MPI-Programmierung. Mit der Toolbox können Sie Funktionen mit eingebauter Parallel Computing Unterstützung in MATLAB und in anderen Toolboxen nutzen. Sie können die Toolbox mit Simulink® verwenden, um mehrere Simulationen eines Modells parallel auszuführen. Programme und Modelle können interaktiv sowie im Batch-Betrieb ausgeführt werden.
Mit der Toolbox können Sie die volle Rechenleistung von Multicore Desktops ausschöpfen, indem Sie Anwendungen auf lokal betriebenen Workern (MATLAB-Prozessen) ausführen. Ohne den Code zu ändern, können Sie dieselben Anwendungen in Clustern oder Clouds (mit MATLAB Parallel Server™) ausführen. Außerdem können Sie die Toolbox mit MATLAB Parallel Server verwenden, um Matrixberechnungen durchzuführen, die zu umfangreich für den Speicher eines einzelnen Rechners sind.
Beschleunigen von MATLAB mit Mehrkerncomputern
Verwenden Sie parallele for-Schleifen (parfor), um unabhängige Iterationen parallel auf Mehrkern-CPUs auszuführen und damit Probleme wie Parameter-Sweeps, Optimierungen und Monte Carlo-Simulationen zu lösen. parfor automatisiert die Erstellung paralleler Pools und verwaltet Dateiabhängigkeiten, damit Sie sich auf ihre Arbeit konzentrieren können. Wesentliche Funktionen in mehreren MATLAB- und Simulink-Produkten enthalten eine eingebaute Untertützung für die Parallelisierung. Mit der Parallel Computing Toolbox können diese Funktionen Berechnungen auf verfügbare Ressourcen für das Parallel Computing verteilen. Sie können parallele Anwendungen interaktiv sowie als Batch-Prozess ausführen.
Verwenden der Parallel Computing Toolbox, um MATLAB und Simulink mit zusätzlichen CPU- und GPU-Ressourcen zu beschleunigen.
Beschleunigen von MATLAB mit GPUs
Mit der Parallel Computing Toolbox können Sie NVIDIA®-GPUs mithilfe von gpuArray direkt von MATLAB aus verwenden. Über 500 MATLAB-Funktionen werden automatisch auf NVIDIA-GPUs ausgeführt, darunter fft, elementweise Operationen und verschiedene Operationen aus der linearen Algebra, wie lu und mldivide, auch bekannt als Backslash-Operator (\). Zu wichtigen Funktionen in mehreren MATLAB- und Simulink-Produkten wie der Deep Learning Toolbox gehören GPU-fähige Funktionen. Sie können GPUs nutzen, ohne zusätzlichen Code zu schreiben. Daher können Sie sich auf Ihre Anwendungen konzentrieren statt auf die Leistungsoptimierung. Fortgeschrittene Entwickler können ihren eigenen CUDA-Code direkt aus MATLAB aufrufen. Sie können mehrere GPUs auf Desktop-PCs, Computerclustern und in Cloud-Umgebungen verwenden.
Verwenden von gpuArray und GPU-fähigen MATLAB-Funktionen, um MATLAB-Operationen ohne Low-Level-CUDA-Programmierung zu beschleunigen.
Verarbeitung von Big Data
Die Parallel Computing Toolbox erweitert die in MATLAB integrierten tall-Arrays und mapreduce-Funktionen, damit Sie lokale Worker zur Leistungsverbesserung nutzen können. Sie können dann tall-Arrays und mapreduce auf zusätzliche Ressourcen hochskalieren, indem Sie MATLAB Parallel Server auf herkömmlichen Clustern oder Apache Spark™- und Hadoop®-Clustern verwenden. Außerdem können Sie Prototypen für verteilte Arrays auf dem Desktop erstellen und sie dann mit MATLAB Parallel Server auf zusätzliche Ressourcen hochskalieren.
Parallele Analyse von Big-Data-Datenmengen mit tall-Arrays von MATLAB.
Beschleunigen von Simulink-Simulationen
Mit der Parallel Computing Toolbox können Sie leicht zahlreiche Simulink-Simulationen zugleich auf mehreren CPU-Kernen ausführen. Nutzen Sie mühelos dasselbe Modell mit unterschiedlichen Eingaben oder Parametereinstellungen in Monte-Carlo-Analysen, Parameter-Sweeps, Modelltests, Versuchsplanung und Modelloptimierung.
Parallele Ausführung mehrerer Simulationen
Verwenden Sie die parsim-Funktion, um Ihre Simulationen parallel auszuführen. Diese Funktion verteilt mehrere Simulationen auf Mehrkern-CPUs, um den Zeitaufwand für die Simulation insgesamt zu verringern. Außerdem automatisiert parsim die Erstellung paralleler Pools, identifiziert Dateiabhängigkeiten und verwaltet Build-Artefakte, sodass Sie sich ganz auf Ihre Entwurfsarbeit konzentrieren können. Sie können parallele Simulationen interaktiv sowie in Batch-Prozessen ausführen.
Parallele Ausführung mehrerer Simulationen mit der parsim-Funktion.
Simulations-Manager
Der Simulations-Manager ist in parsim integriert und kann verwendet werden, um mehrere Simulationen in einem einzigen Fenster zu überwachen und zu visualisieren. Sie können eine einzelne Simulation auswählen und ihre Spezifikationen anzeigen sowie mit dem Simulation Data Inspector Simulationsergebnisse untersuchen. Außerdem können Sie bequem Diagnoseaufgaben ausführen oder Simulationen abbrechen.
Überwachen mehrerer Simulationen in einem Fenster mit dem Simulations-Manager.
Nutzung von Simulink-Parallelisierungsfunktionalität
Neben der Möglichkeit, Simulink-Simulationen mit den Funktionen parsim und batchsim durchzuführen, bieten eine Reihe von Simulink-Produkten wie Simulink Design Optimization™, Reinforcement Learning Toolbox™, Simulink Test™ und Simulink Coverage™ Parallelisierungsfunktionalität, sodass Sie Simulationen parallel ausführen können, ohne Code zu schreiben.
Parallele Simulationen können durch eine Einstellung oder ein Flag ermöglicht werden.
Parallel Computing in Clustern und Clouds
Erstellen und debuggen Sie prototypische Anwendungen auf dem Desktop oder virtuellen Desktop Prototypen, und skalieren Sie sie ohne erneute Programmierung für Cluster oder Clouds. Entwickeln Sie interaktiv und gehen Sie mit Batch-Workflows in die Produktion.
Ausführen eines MATLAB-Desktops in öffentlichen und privaten Clouds
Beschleunigen Sie Analysen und Simulationen, indem Sie bedarfsgesteuert mehrere Rechner mit leistungsstarken CPUs und GPUs nutzen. Ausführung von MATLAB und Simulink direkt auf virtuellen Rechnern in Amazon Web Services® (AWS) oder Microsoft Azure®.
Außerdem können Sie Ihre Deep-Learning-Anwendungen beschleunigen, indem Sie neuronale Netze im MATLAB Deep Learning Container auf NVIDIA GPU Cloud oder auf NVIDIA DGX trainieren.
Ausführung von MATLAB und Simulink direkt auf EC2-Instanzen in Amazon Web Services (AWS).
Skalierung für Cluster mit MATLAB Parallel Server
Entwickeln Sie einen Prototyp auf dem Desktop, und skalieren Sie ihn für einen Computercluster oder für Clouds hoch, ohne neu programmieren zu müssen. Greifen Sie vom Desktop auf verschiedene Ausführungsumgebungen zu, indem Sie einfach Ihr Clusterprofil wechseln.
Leichtes Hochskalieren Ihrer Anwendungen mit zusätzlichen Cluster- und Cloud-Ressourcen ohne Codeänderungen.
Produktressourcen:
Sie können auch eine Website aus der folgenden Liste auswählen:
Amerika
- América Latina (Español)
- Canada (English)
- United States (English)
Europa
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
Asien-Pazifik
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)