使用实验管理器并行训练网络
默认情况下，实验管理器在单个CPU上一次运行一次试验。如果你有并行计算工具箱™, 您可以将您的实验配置为同时运行多个试验，或在多个GPU、集群或云中一次运行一个试验。
| 训练场景 | 正式建议 |
|---|---|
| 同时运行多个试验，每个试验使用一个并行工作程序。 | 设置并行环境并启用使用并行选项，然后再运行您的实验。“实验管理器”运行的同步试验数量与并行池中的工作人员数量相同。 如果您有多个GPU，并行执行通常会提高实验的速度。但是，如果您只有一个GPU，则所有工作人员都共享该GPU，因此您无法获得训练速度，并且会增加GPU内存不足的可能性。 |
| 在多个并行工作线程上一次运行一个测试。 | 内置培训实验：
|
定制培训实验：
|
提示
要使用MATLAB Online并行运行实验，您必须访问云中心集群。有关详细信息，请参阅在MATLAB联机中使用云中心集群并行计算工具箱（并行计算工具箱）．
设置并行环境
在多个GPU上训练
如果您有多个GPU，并行执行通常会提高实验的速度。使用GPU进行深度学习需要并行计算工具箱和受支持的GPU设备。有关详细信息，请参阅金宝appGPU版金宝app本支持（并行计算工具箱）．
对于内置训练实验，GPU支持是自动的。默认情况下，如果GPU可用，这些实验将使金宝app用GPU。
对于自定义训练实验，默认情况下在CPU上进行计算。要在GPU上训练，请将数据转换为
gpuArray物体。要确定是否有可用的GPU，请调用canUseGPU作用
为了获得最佳结果，在运行实验之前，请创建一个包含与GPU数量相同的工作线程的并行池。您可以使用gpuDeviceCount（并行计算工具箱）作用
numGPUs = gpuDeviceCount (“可用”）;parpool (numGPUs)
集群或云中训练
如果您的实验需要在本地机器上运行很长时间，您可以通过使用现场网络上的计算机集群或租用云中的高性能gpu来加速培训。在完成初始设置之后，您可以运行您的实验，只需要对代码进行最小的更改。在集群或云上工作需要MATLAB®并行服务器™. 有关详细信息，请参阅云中的深度学习．
并行进行多个试验
要并行运行多个试验，请在“试验管理器”工具栏上单击使用并行
然后跑
．如果当前没有并行池，实验管理器将使用默认的集群配置文件启动一个。
实验管理器运行与并行池中工作人员数量相同的同时试验。您实验中的所有其他试验都将排队等待后续评估。结果表显示了每个试验的状态和进度。
当实验运行时，您可以通过显示每个试验的训练图来跟踪其进度。你也可以停止那些表现不佳的试验。有关详细信息，请参阅停止并重新开始训练．
笔记
设置“训练”选项时，“实验管理器”不支持并行执行多个试验金宝appExecutionEnvironment到“多gpu”或“平行”或者在启用“培训”选项时派遣背景. 仅当您打算一次进行一次试验时，才可使用这些选项加快训练速度。有关详细信息，请参阅在GPU和云中并行扩展深度学习和使用数据存储进行并行培训和后台调度．
另见
应用程序
功能
trainingOptions|canUseGPU|gpuDeviceCount（并行计算工具箱）|帕尔普（并行计算工具箱）|spmd（并行计算工具箱）
物体
gpuArray（并行计算工具箱）
相关的话题
你也可以从以下列表中选择一个网站:
