Parallel Computing Toolbox
Eseguire calcoli paralleli su computer multicore, GPU e cluster
Parallel Computing Toolbox™ consente di risolvere problemi computazionalmente onerosi e ad alto contenuto di dati utilizzando processori multicore, GPU e cluster di computer. I costrutti di alto livello come for-loop paralleli, tipi particolari di array e algoritmi numerici parallelizzati consentono di parallelizzare le applicazioni MATLAB® senza alcuna programmazione MPI o CUDA. Il toolbox permette di utilizzare funzioni abilitate per il calcolo parallelo in MATLAB e in altri toolbox. Puoi utilizzare il toolbox con Simulink® per eseguire simulazioni multiple di un modello in parallelo. I programmi e i modelli sono eseguibili in modalità batch e interattiva.
Il toolbox consente di sfruttare tutta la potenza di elaborazione dei desktop multicore eseguendo applicazioni su worker (motori di calcolo MATLAB) in esecuzione a livello locale. Puoi eseguire le stesse applicazioni su cluster o cloud (utilizzando MATLAB Parallel Server™) senza modificare il codice. Inoltre, puoi utilizzare il toolbox con MATLAB Parallel Server per eseguire i calcoli delle matrici troppo grandi per la memoria di un’unica macchina.
Inizia ora:
Velocizzare MATLAB con computer multicore
Utilizza for-loop paralleli (parfor) per eseguire iterazioni indipendenti in parallelo su CPU multicore per problemi quali scansioni parametriche, ottimizzazioni e simulazioni Monte Carlo. parfor automatizza la creazione di pool paralleli e gestisce le dipendenze dei file, consentendoti di concentrarti sul tuo lavoro. Le funzioni chiave in vari prodotti MATLAB e Simulink sono abilitate per il calcolo parallelo. Con Parallel Computing Toolbox, queste funzioni possono distribuire i calcoli attraverso le risorse di calcolo parallelo disponibili. Puoi eseguire applicazioni parallele in modalità batch e interattiva.
Uso di Parallel Computing Toolbox per velocizzare MATLAB e Simulink con risorse GPU e CPU aggiuntive.
Accelerare MATLAB con le GPU
Parallel Computing Toolbox consente di utilizzare le GPU NVIDIA® direttamente da MATLAB utilizzando gpuArray. Sulle GPU NVIDIA vengono eseguite automaticamente oltre 500 funzioni MATLAB, tra cui fft, operazioni elemento per elemento e varie operazioni di algebra lineare come lu e mldivide, conosciuta anche come operatore backslash (\). Le funzioni chiave in vari prodotti MATLAB e Simulink, come Deep Learning Toolbox, sono basate su GPU. Puoi utilizzare le GPU senza dover scrivere codice aggiuntivo in modo da poterti concentrare sulle tue applicazioni, piuttosto che sull'ottimizzazione delle prestazioni. Gli sviluppatori esperti possono richiamare il proprio codice CUDA direttamente da MATLAB. Puoi utilizzare più GPU su desktop, cluster di computer e ambienti cloud.
Uso di funzioni MATLAB basate su GPU e gpuArray per velocizzare le operazioni MATLAB senza alcuna programmazione CUDA di basso livello.
Elaborare big data
Parallel Computing Toolbox estende i tall array e le funzionalità mapreduce integrate in MATLAB per consentire l’esecuzione su worker locali e migliorare le prestazioni. Quindi, puoi scalare tall array e mapreduce su risorse aggiuntive con MATLAB Parallel Server su cluster tradizionali o cluster Hadoop® e Apache Spark™. Puoi anche prototipare array distribuiti sul desktop e poi scalarli su risorse aggiuntive con MATLAB Parallel Server.
Analisi di serie di big data in parallelo utilizzando i tall array MATLAB.
Velocizzare le simulazioni in Simulink
Con Parallel Computing Toolbox, puoi eseguire facilmente più simulazioni Simulink contemporaneamente su più core CPU. Esegui con facilità lo stesso modello con parametri o input diversi in analisi Monte Carlo, scansioni parametriche, test dei modelli, progettazioni sperimentali e ottimizzazioni dei modelli.
Eseguire più simulazioni in parallelo
Utilizza la funzione parsim per eseguire le tue simulazioni in parallelo. La funzione distribuisce più simulazioni a CPU multicore per ridurre i tempi di simulazione totali. parsim automatizza inoltre la creazione di pool paralleli, identifica le dipendenze dei file e gestisce gli artefatti delle build consentendoti di concentrarti sul tuo lavoro di progettazione. Puoi eseguire simulazioni parallele in modalità batch o interattiva.
Uso della funzione parsim per eseguire più simulazioni in parallelo.
Simulation Manager
Simulation Manager è integrato con parsim e può essere utilizzato per monitorare e visualizzare più simulazioni in una sola finestra. Puoi selezionare una singola simulazione e visualizzarne le specifiche, oppure utilizzare Simulation Data Inspector per esaminare i risultati della simulazione. Puoi eseguire con facilità anche attività diagnostiche o simulazioni di interruzioni.
Monitoraggio di più simulazioni in un’unica finestra con Simulation Manager.
Sfruttare la funzionalità di calcolo parallelo in Simulink
Oltre alle funzioni parsim e batchsim per eseguire le simulazioni Simulink, è disponibile una serie di prodotti Simulink, tra cui Simulink Design Optimization™, Reinforcement Learning Toolbox™, Simulink Test™ e Simulink Coverage™ , che forniscono funzioni di calcolo parallelo per eseguire simulazioni in parallelo senza dover scrivere alcun codice.
È possibile abilitare le simulazioni parallele impostando una preferenza o un flag.
Eseguire un desktop MATLAB in cloud pubblici e privati
Velocizza analisi e simulazioni sfruttando più macchine GPU e CPU ad alte prestazioni on demand. Esegui MATLAB e Simulink direttamente su macchine virtuali nell’ambiente Amazon Web Services® (AWS) o in Microsoft Azure®.
Puoi anche velocizzare le tue applicazioni di deep learning addestrando reti neurali in MATLAB Deep Learning Container su NVIDIA GPU Cloud o NVIDIA DGX.
Esecuzione di MATLAB e Simulink direttamente su istanze EC2 nell’ambiente Amazon Web Services® (AWS).
Scalare su cluster con MATLAB Parallel Server
Sviluppa un prototipo sul tuo desktop e distribuiscilo a un cloud o un cluster di computer senza ricodifica. Accedi a diversi ambienti di esecuzione dal tuo desktop cambiando semplicemente il tuo profilo di cluster.
Scalare facilmente le applicazioni utilizzando risorse di cluster e cloud aggiuntive senza modificare il codice.
