parallel computing toolbox 产品信息 -凯发k8网页登录

 

在多核计算机、gpu 和集群上执行并行计算

扩展 matlab 应用程序

parallel computing toolbox 使应用程序可以发挥配备多核处理器和 gpu 的计算机的优势。

使用多核计算机加速 matlab

使用并行 for 循环 (parfor) 可在多核 cpu 上并行运行独立迭代,以解决诸如参数扫描、优化和 monte carlo 仿真等问题。parfor 会自动创建并行池并管理文件依赖性,让你可以专注于自己的工作。多个 matlab 和 simulink 产品中的主要函数包含支持并行的函数。借助 parallel computing toolbox,这些函数可以将计算分布到可用的计算资源上可以通过交互方式和批处理方式执行并行应用程序。

使用 parallel computing toolbox 可借助额外的 cpu 和 gpu 资源来加速 matlab 和 simulink。

使用 gpu 加速 matlab

parallel computing toolbox 可让你借助 gpuarray 直接从 matlab 使用 nvidia® gpu。有 500 多个 matlab 函数可在 nvidia gpu 上自动运行,包括 fft、元素级运算和几种线性代数运算,如 lumldivide(也称作反斜杠运算符 (\))。多个 matlab 和 simulink 产品(如 deep learning toolbox)中的主要函数都包含支持 gpu 的函数。无需编写任何额外代码即可使用 gpu,从而可让你专注于应用程序本身而不是性能调优。高级开发人员可以直接从 matlab 调用自己的 cuda 代码。可以利用台式机、计算集群和云环境上的多个 gpu。

使用 gpuarray 和支持 gpu 的 matlab 函数可帮助加快 matlab 运算,无需进行低级的 cuda 编程。

处理大数据

parallel computing toolbox 扩展了 matlab 中内置的 tall 数组和 mapreduce 功能,让你能够在本地 worker 上运行,以提高性能。随后你可以在传统集群或 apache spark™ 和 hadoop® 集群上使用 matlab parallel server 将 tall 数组和 mapreduce 扩展到额外资源。还可以在台式机上用distributed array 进行原型设计,然后使用 matlab parallel server 扩展到额外资源。

使用 matlab tall 数组并行分析大数据集。

加速 simulink 仿真

借助 parallel computing toolbox,可以轻松地在多个 cpu 核心上同时运行多个 simulink 仿真。可在 monte carlo 分析、参数扫描、模型测试、实验设计和模型优化中轻松地使用不同输入或参数设置来运行同一模型。

并行运行多个仿真

使用 parsim 函数可并行运行仿真。该函数可将多个仿真分布到多核 cpu 以加快整体仿真速度。parsim 还可自动创建并行池、标识文件依赖性并管理构建工件,让你可以专注于设计工作。你可以通过交互方式或批处理方式执行并行仿真。

使用 parsim 函数可并行运行多个仿真。

仿真管理器

simulation manager 与 parsim 集成,可以用于在一个窗口中监控和可视化多个仿真。可以选择单个仿真并查看其规范,并使用 simulation data inspector 检查仿真结果。还可以方便地运行诊断任务或中止仿真。

使用 simulation manager 在一个窗口中监控多个仿真。

利用支持并行的 simulink 功能

除了使用 parsimbatchsim 函数运行 simulink 仿真之外,还有许多的 simulink 产品(包括 simulink design optimization™、reinforcement learning toolbox™、simulink test™ 和 simulink coverage™ )提供并行功能,让你无需编写任何代码便可并行运行仿真。

可以通过首选项或标志设置来支持并行仿真。

集群和云中的并行计算

可在台式机或虚拟台式机上对应用程序进行原型设计和调试并扩展到集群或云,无需重新编码。交互式开发,并通过批处理工作流程移至生产环境。

在公共云和私有云上运行 matlab 桌面。

利用多个按需的高性能 cpu 和 gpu 机器来加速分析和仿真。在 amazon web services® (aws) 环境或 microsoft azure® 中,直接在虚拟机上运行 matlab 和 simulink。

还可以通过在 nvidia gpu cloud 或 nvidia dgx 上的 matlab deep learning container 中训练神经网络,来加速深度学习应用程序。

在 amazon web services (aws) 环境中,直接在 ec2 实例上运行 matlab 和 simulink。

借助 matlab parallel server 扩展到集群

在桌面上开发原型,然后扩展到计算机集群或云,无需重新编码。只需更改集群配置文件,便可从你的桌面访问不同的执行环境。 

可使用额外的集群和云资源轻松地扩展应用程序,无需更改代码。

网站地图