如果您的计算任务对于您的本地计算机来说太大或太慢,您可以将计算卸载到现场集群或在云中运行MATLAB®代码的最小变化。试一试平行>发现集群,以确定您是否已经有一个可用的集群。
如果您已经有一个带有调度器的集群,您可以使用MATLAB与它集成MATLAB并行服务器™.或者,如果您没有现有的调度程序,那么MATLAB并行服务器提供MATLAB作业调度程序。
了解如何使用集群配置文件,并发现在Amazon EC2上运行的云集群。
这个例子展示了如何在本地机器上开发并行MATLAB®代码,并扩展到集群。
这个示例展示了如何访问云中的大型数据集,并使用MATLAB的大数据能力在云集群中处理它。
这个例子展示了如何使用HPC挑战基准评估计算集群的性能。
在gpu和云上并行扩展深度学习(深度学习工具箱)
深度学习的选项与MATLAB并行和使用多个gpu,本地或云。
基于MATLAB的多gpu深度学习(深度学习工具箱)
使用本地或云中的多个gpu加速深度神经网络训练。
使用自动多gpu支持训练网络金宝app(深度学习工具箱)
这个示例展示了如何使用自动并行支持在本地机器上使用多个gpu进行深度学习训练。金宝app
使用parfor训练多个深度学习网络(深度学习工具箱)
这个例子展示了如何使用parfor
循环对训练选项执行参数扫描。
使用parfeval训练多个深度学习网络(深度学习工具箱)
这个例子展示了如何使用parfeval
对深度学习网络的网络结构进行深度参数扫描,并在训练过程中检索数据。
并行训练深度学习网络(深度学习工具箱)
这个例子展示了如何在本地机器上运行多个深度学习实验。
与自定义训练循环并行的训练网络(深度学习工具箱)
这个例子展示了如何建立一个自定义的训练循环来并行地训练一个网络。
上传深度学习数据到云(深度学习工具箱)
这个示例展示了如何将数据上传到Amazon S3桶。
发送深度学习批作业到集群(深度学习工具箱)
这个示例展示了如何将深度学习训练批作业发送到集群,以便您可以在训练期间继续工作或关闭MATLAB。