如果您的计算任务对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云中以运行MATLAB®用最小的更改编写代码。试一试平行>发现集群在MATLAB工具条中查找是否已经有可用的集群。
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器,则MATLAB并行服务器提供MATLAB作业调度器。
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。
这个示例展示了如何在本地机器上开发并行MATLAB®代码,并将其扩展到集群。
本示例展示了如何在云中访问大型数据集,并在云集群中使用MATLAB的大数据功能对其进行处理。
此示例展示如何使用HPC挑战基准测试评估计算集群的性能。
并行、gpu和云中扩展深度学习(深度学习工具箱)
并行使用MATLAB和多个gpu进行深度学习的选项,本地或云端。
基于MATLAB的多gpu深度学习(深度学习工具箱)
在本地或云端使用多个gpu加速深度神经网络训练。
训练网络使用自动多gpu支持金宝app(深度学习工具箱)
这个例子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架构深度进行参数扫描,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。
与定制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设置一个自定义训练循环来并行训练一个网络。
将深度学习数据上传到云端(深度学习工具箱)
本示例展示如何将数据上载到Amazon S3桶。
将深度学习批处理作业发送到集群(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。