Parallel Computing Toolbox

Ausführen paralleler Berechnungen auf Mehrkerncomputern, GPUs und Clustern

Haben Sie noch Fragen? Kontaktieren Sie den Vertrieb.

Mit der Parallel Computing Toolbox können Sie berechnungs- und datenintensive Probleme mithilfe von Mehrkernprozessoren, Grafikkarten und Compute-Clustern lösen. Mithilfe von erweiterten Konstrukten – wie parallelen For-Loops, speziellen Array-Arten und parallelisierten numerischen Algorithmen – können Sie MATLAB-Anwendungen ohne CUDA- oder MPI-Programmierung skalieren. Die Parallel Computing Toolbox ermöglicht außerdem die Verwendung von parallelen Funktionen in MATLAB und anderen Toolboxen sowie die parallele Ausführung mehrerer Simulink-Simulationen. Programme und Modelle können sowohl im interaktiven Modus als auch im Batch-Modus ausgeführt werden.

Über die Toolbox lässt sich die volle Rechenleistung von mehrkern- und grafikkartenfähigen Desktops nutzen, indem Anwendungen auf lokal laufenden Thread- und Prozess-Workern (MATLAB-Berechnungskernen) ausgeführt werden. Ohne den Code zu ändern, können Sie dieselben Anwendungen auf Clustern oder Clouds (mittels MATLAB Parallel Server) ausführen. Sie können die Toolbox auch mit dem MATLAB Parallel Server verwenden, um Matrixberechnungen auszuführen, die zu groß sind, um im Speicher eines einzelnen Rechners Platz zu finden.

Einführung in Parallel Computing Toolbox

Darstellung schnellerer MATLAB-Berechnungen mithilfe von Parallel Computing für unabhängige Aufgaben.

Beschleunigung von MATLAB mit Mehrkernrechnern

Verwenden Sie parfor und andere Funktionen, um parallele MATLAB-Threads oder -Prozesse für Aufgaben wie Parameter-Sweeps, Optimierungen und Monte-Carlo-Simulationen auszuführen. Überlassen Sie den MATLAB-Sprachfunktionen (mit der Parallel Computing Toolbox) die Verwaltung von Ressourcen, Dateiabhängigkeiten und anderen Details, damit Sie sich voll und ganz auf Ihre Arbeit konzentrieren können.

Schnelleinstieg zum Parallel Computing

Dokumentation | Beispiele

Beschleunigung von MATLAB mit Grafikkarten

Sie können Grafikkarten von NVIDIA^® verwenden, ohne zusätzlichen Code schreiben zu müssen, sodass Sie sich ausschließlich auf Ihre Anwendungen und nicht auf die Leistungsoptimierung konzentrieren können. Wichtige Funktionen in MATLAB, Simulink und verschiedenen Add-on-Produkten wie der Deep Learning Toolbox verfügen über grafikkartenfähige Funktionen. Erfahrene Entwickler können darüber hinaus auch MEX-Funktionen mit CUDA-Code erstellen. Verwenden Sie mehrere Grafikkarten auf Desktops, in Compute-Clustern und in Cloud-Umgebungen.

Dokumentation | Beispiele

Buttons zur Aktivierung der Parallelisierung der Classification Learner-App.

Zusätzliche parallel nutzbare MATLAB-Funktionen

Viele Funktionen in MATLAB und seinen Add-on-Produkten ermöglichen eine automatische Parallelunterstützung und zahlreiche Apps verfügen ebenfalls über Parallelfunktionen. Die Parallel Computing Toolbox enthält eine umfangreiche parallele Sprache, die Ausführungsmodelle von der parallelen Funktionsausführung bis hin zur Datenparallelität abdeckt, ohne dass Sie Ihren Algorithmus neu codieren müssen.

Eine Lösung für das Parallel Computing wählen

Dokumentation | Beispiele

parsim-Funktion, um Ihre Simulationen parallel laufen zu lassen.

Parallele Aufführung mehrerer Simulink-Simulationen

Mithilfe der parsim-Funktion können Sie Ihre Simulationen parallel laufen lassen. Die Funktion verteilt mehrere Simulationen auf Mehrkernprozessoren, um die Gesamtsimulationszeit zu verkürzen. Dabei automatisiert parsim auch die Erstellung von parallelen Pools, identifiziert Dateiabhängigkeiten und verwaltet Build-Artefakte, damit Sie Ihren Fokus auf die Entwicklungsarbeit richten können. Sie können parallele Simulationen interaktiv oder im Batch ausführen.

Parallele Simulationen (1:06)

Dokumentation | Beispiele

Simulation Manager

Der Simulation Manager ist in parsim integriert und kann zur Überwachung und Visualisierung mehrerer Simulationen in einem Fenster verwendet werden. Sie können eine einzelne Simulation auswählen und ihre Spezifikationen anzeigen sowie den Simulation Data Inspector verwenden, um die Simulationsergebnisse zu überprüfen. Ebenso können Sie praktische Diagnoseaufgaben durchführen oder Simulationen abbrechen.

Dokumentation

Parallele Simulationen, die durch eine Voreinstellung oder ein Markierungselement auf dem Tab „Parallele Optionen“ aktiviert werden.

Verwendung parallel aktivierter Simulink-Funktionalität

Zusätzlich zu den parsim- und batchsim-Funktionen zur Ausführung von Simulink-Simulationen gibt es zahlreiche Add-on-Produkte für Simulink, wie beispielsweise Simulink Design Optimization, Reinforcement Learning Toolbox, Simulink Test und Simulink Coverage, die parallele Funktionen für die parallele Ausführung von Simulationen bieten, ohne dass hierfür Code geschrieben werden muss.

Dokumentation | Beispiele

Ausführung eines MATLAB-Desktops in öffentlichen und privaten Clouds

Beschleunigen Sie Analysen und Simulationen, indem Sie die in der Cloud verfügbaren leistungsstarken CPUs und Grafikkarten nach Bedarf nutzen. Führen Sie MATLAB und Simulink direkt auf virtuellen Maschinen in der Amazon Web Services^®(AWS)-Umgebung oder in Microsoft Azure^® aus.

Einführung in MathWorks Cloud Center (2:41)

Dokumentation

Zwei Diagramme, die veranschaulichen, wie Sie Ihre Anwendungen mit zusätzlichen Cluster- und Cloud-Ressourcen skalieren können, ohne Ihren Code zu ändern.

Skalierung auf Cluster mit MATLAB Parallel Server

Entwickeln Sie einen Prototyp auf Ihrem Desktop und skalieren Sie ihn ohne Neukodierung auf einen Compute-Cluster oder eine Cloud. Greifen Sie von Ihrem Desktop aus auf verschiedene Ausführungsumgebungen zu, indem Sie einfach Ihr Clusterprofil ändern.

Schneller zum Ergebnis mit MATLAB durch Einsatz von Parallel Computing (4:59)

Dokumentation | Beispiele

Verwendung verteilter Arrays auf MATLAB Parallel Server

Führen Sie Berechnungen aus, die nicht in den Speicher eines einzelnen Rechners passen, ohne Ihren Algorithmus neu coden zu müssen. Verwenden Sie die vielen Funktionen, die automatisch als verteilte Berechnungen laufen können, wenn sie mit einer verteilten Array-Eingabe aufgerufen werden. Führen Sie den Prototyp auf Ihrem Desktop aus und skalieren Sie ihn auf zusätzliche Ressourcen, indem Sie den MATLAB Parallel Server für die komplette Ausführung verwenden.

Überwinden von Speicherbeschränkungen mit verteilten Arrays in MATLAB (6:03)

Dokumentation | Beispiele

Produktressourcen:

Dokumentation Beispiele Videos Technische Artikel Funktionen Anforderungen Versionshinweise MATLAB Multicore

„Wir haben die Parallel Computing Toolbox mit dem MATLAB Parallel Server verwendet, um die Arbeit auf einen Cluster mit 56 Prozessoren zu verteilen. So konnten wir mit MATLAB und der Deep Learning Toolbox in kürzester Zeit eine optimale Konfiguration des neuronalen Netzes ermitteln, das Netz mit Daten aus den Transplantationsdatenbanken trainieren und anschließend Simulationen zur Analyse von Risikofaktoren und Überlebensraten durchführen.“
Dr. Johan Nilsson, Skåne University Hospital, Universität Lund

Weitere Anwenderberichte ansehen