并行计算工具箱
Durchführenparyerberechnungenauf Mehrknerncomputern，GPUS UND Clustern
MIT DER并行计算工具箱™KÖNNENSIEBERECHNUNGS-UND DENENINGSICE MEHRKERNPRENPRENPROZESSOREN，GPUS UND COMPULLUSTERNLÖSEN。高级konstrukte wie parstale for-schleifen，spezielle array-typen und parallelisierte numerische almorionenenalermöglichenihnen 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 Mehriere SimulationeneNeines Modells平行Auszuführen。Program And MovelleKönnenInteraktivSowie im batch-betriebausgeführtwerden。
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 (mitMATLAB并行服务器™）ausführen. Außerdem können Sie die Toolbox mit MATLAB Parallel Server verwenden, um Matrixberechnungen durchzuführen, die zu umfangreich für den Speicher eines einzelnen Rechners sind.
Jetzt Beginnen：
Beschleunigen von matlab mit mehrkerncomputern
Verwenden Sie parallele for-Schleifen (议案），UMUnabhängige迭代并行AUF Mehrkern-CPUAuszuführenund Damit问题Wie参数扫描，Optimierungen und Monte Carlo-SimulateenZuLösen。Parfor Automatisiert Die Ortellung Passpers Pools und VerwaltetDateiahängigkeiten，Damit Sie Sich Auf Ihre Arbeit KonzentrierenKönnen。Wesentliche Funktionen在Mehreren Matlab-und Simu金宝applink-Produkten焓eine eingsbauteUntertützungfürsie parallyisierung。MIT DER并行计算工具箱KönnenDieseFunktioNen Berechnungen AufVerfügbareressourcenfürdaspplate计算Verteilen。SieKönnenPartyeanwendungen interaktiv Sowie Als Batch-ProzessAusführen。
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 MILLFE VON.GPUArrayDirekt von Matlab Aus Verwenden。Über500 matlab-funktionen werden automatich auf nvidia-gpusausgeführt，darunterFFT., elementweise Operationen und verschiedene Operationen aus der linearen Algebra, wie鲁und莫德利维，Auch Bekannt Als Backslash-Operator（\）。Zu Wichtigen Funktionen在Mehreren Matlab-und Simu金宝applink-Produkten Wie der Deaure学习工具箱Gehörengpu-fähigefunktionen。SieKönnenGPUStumzen，OhneZusätzlichen代码Zu Schreiben。DaherKönnenSieSich Auf Ihre Anwendungen Konzentrieren Statt Auf Die Leistungsoptimierung。FortgesChritteneEntwicklerKönnenIigenenCuda-Code Direkt Aus Matlab Aufrufen。SieKönnenMehRereGPUS AUF Desktop-PC，ComputerClustern UND在Cloud-Umgebungen Verwenden。
Verwenden von Gpuarray und GPU-FähigenMatlab-Funktionen，UM Matlab-Operationen Ohne低级Cuda-Programmierung Zu Beschleunigen。
Verarbeitung von Big Data
DIE平行计算工具箱ERWEITERT在MATLAB Integrierten中死亡tall-Arrays undMapreduce.-Funktionen，Damit Sie Lokale Worker Zur LeistungsverbesserungNutzenKönnen。SieKönnenDann.tall-Arrays undMapreduce.auf zusätzliche Ressourcen hochskalieren, indem Sie MATLAB Parallel Server auf herkömmlichen Clustern oder Apache Spark™- und Hadoop®-Clustern Verwenden。AußerdemKönnenSIE原型PrototypenFürPerteilte阵列AUF DEM DEM DESTOP ERSTELLEN und SIE DANN MIT MATLAB并行服务器AUFZusätzlicheRessourcenHochskalieren。
Parallye分析Von Big-Data-Datenmengen Mit Tall-inrays von Matlab。
Beschleunigen von Simulink-Simulationen
MIT DER并行计算工具箱KönnenSIESEICHTZAHLREICHE SIMULINK-SIMITIONEN ZUGL金宝appEICH AUF MEHREREN CPU-KernenAUSFÜHREN。NutzenSieMühelosDasselbeModell Mit Unterschiedlichen Eingaben Oter ParametereLungen在Monte-Carlo-Analysen，参数扫描，Modelltests，Versuchsplanung und Modelloptimierung。
Parallele Ausfuhrung mehrerer Simulationen
Verwenden Sie DieParsim-funktion，um ihre simulation矛盾的auszuführen。Diese Funktion Verteilt Mehrere SimulateN AUF Mehrkern-CPU，UM Den ZeitaufwandFür模拟探析Zu Verringern。Außerdem自动化Parsimdie 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.
Passpleleausführungmehrerer simulateen mit derParsim-Funktion.
模拟管理器
Der Simulations-Manager ISTParsimintegriert 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.
ÜberwachenMehrerer仿真在einem fenster mit dem模拟模拟 - 经理。
Nutzung von 金宝appSimulink-parallelisierungsfunktionionität
Neben der Möglichkeit, Simulink-Simulationen mit den FunktionenParsimundBatchsim.Durchzuführen，Bieten Eine Reihe Von S金宝appimulink-Produkten Wie Simulink Design Optimization™，Simulink Test™und Simulink Coverage™PlacessierungsFunktionsität，Sodass Sie Simulations ParallateAusführenKönnen，Ohne代码Zu Schreiben。
平行模拟können durch eine Einstellung oder ein Flag ermöglicht werden.
Ausführen在Öffentlichenund privaten云中的Matlab-Desktops
Beschleunigen Sie Analysen und Simulateen，Indem Sie Bedarfsgesteuert Mehrere Rechner Mit Leistungsstarken CPUS und GPU Nutzen。Ausführungvon matlab und S金宝appimulink Direkt Auf Virtuellen在亚马逊Web服务中重新填写®(AWS) oder Microsoft Azure®。
AußerdemKönnenSIEIHRE深学习 - 安威登伯恩尼根，INDEM SIE Neuronale Netze IM Matlab深入学习容器AUF NVIDIA GPU Cloud Ouf 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 MitZusätzlichen集群 - und Cloud-Ressourcen OhneCodeänderungen。
Paralleles Profiling
Tipps und Techniken für das Profiling von Parallelcode mit neuer Dokumentation
GPU-Funktionalität
Nutzung Neuer und Verbesserter Gpuarray-Funktionen在Matlab，统计和机器学习工具箱，音频工具箱，信号处理工具箱Sowie小波工具箱
Job-Arrays
Übertragen von Job-Arrays an Scheduler von Drittanbietern mit der generischen Scheduler-Schnittstelle
Verteilte阵列
Nutzung Neuer und VerbesserterterFunktioNenfürpereilte阵列在Matlab中
Neuer Threadbasierter平行池
Optimiert für geringere Speichernutzung, schnellere Zeitplanung und weniger Datenübertragung – für eine Teilmenge der MATLAB-Funktionen
详细信息Zu Diesen Merkmalen und denzugehörigenfunktionen findens sieVersionshinweisen。
