Accelerazione e Parallelizzazione del Codice MATLAB

Questo corso di due giorni copre diverse tecniche per rendere il tuo codice MATLAB^® più veloce. Si vedrà come identificare e rimuovere i colli di bottiglia computazionali usando tecniche come preallocazione e vettorizzazione. Inoltre potrai compilare il codice MATLAB in un file MEX usando MATLAB Coder^™. Oltretutto, vedrai come sfruttare core multipli sul tuo computer parallelizzando i cicli FOR con il Parallel Computing Toolbox^™, e come riscalare su computer multipli usando il MATLAB Parallel Server^™. L'interazione tra questi concetti verrà esplorata durante tutto il corso. Se stai lavorando con simulazioni che durano molto tempo, trarrai benefici dalle dimostrazioni pratiche e dagli esercizi trattati nel corso. Tra gli argomenti:

Migliorare le performance all'interno di MATLAB stesso
Generare file MEX
Parallelizzare il calcolo
Esecuzione offload
Lavorare con cluster
Calcolo su GPU

Scopri maggiori dettagli sui nostri corsi

Prerequisiti

Fondamenti MATLAB, o esperienza equivalente nell'uso di MATLAB

Giorno 1
Migliorare le Performance	Obiettivo: Analizzare le performance del codice ed utilizzare tecniche per l'accelerazione all'interno di MATLAB. Identificare i colli di bottiglia Preallocare gli array Vettorizzare le operazioni in vari modi Riscrivere gli algoritmi
Generare file MEX	Obiettivo: Generare codice compilato a partire da codice MATLAB per ottenere una miglior performance. Panoramica e workflow del MATLAB Coder Generare e verificare file MEX Richiamare funzioni non supportate Modificare i settaggi per la generazione dei file MEX
Parallelizzare i calcoli	Obiettivo: Parallelizzare l'esecuzione del codice per sfruttare core multipli. Aprire altri processi MATLAB Eseguire cicli FOR paralleli Misurare l'accelerazione Processare file multipli in parallelo

Giorno 2
Cicli FOR in parallelo	Obiettivo: Esplorare cicli FOR paralleli in maggior dettaglio ed applicare tecniche per convertire cicli FOR in cicli PARFOR. Requisiti dei cicli FOR paralleli Parallelizzare i cicli FOR Recuperare i risultati intermedi
Esecuzione offload	Obiettivo: Calcolo offload su un altro processo MATLAB al fine di usare MATLAB per altri task nel frattempo. Questo è anche un passo di preparazione per lavorare con cluster. Elaborazione in batch Creare job in modalità batch Recuperare i risultati Usare il Job Monitor
Lavorare con i cluster	Obiettivo: Accelerare il calcolo e realizzare simulazioni più estese utilizzando computer multipli. Cluster locali e remoti Rilascio di licenze dinamiche Scoprire e connettere cluster Considerazioni sull'accesso a file
Calcolo su GPU	Obiettivo: Esecuzione di codice MATLAB sulla scheda grafica del tuo computer (GPU) come un'altra opzione per velocizzare i calcoli. Panoramica su architettura ed elaborazione GPU Applicazioni adatte per l'elaborazione su GPU Invocare funzioni MATLAB su GPU Usare codice CUDA pre-esistente

Guaranteed to Run

Registrandoti ad uno di questi corsi, avrai la certezza che non sarà cancellato o rischedulato per nessuna ragione.

Calendario e registrazione

Risultati 1 - 6 di 6

Date	Località	Lingua	Costo
19 set 2019- 20 set 2019	Giappone, 東京都	Japanese	JPY 140.000
23 set 2019- 24 set 2019	Corea (Repubblica di), Seoul	Korean	KRW 900.000
03 ott 2019- 04 ott 2019	Online 9:00 - 17:00 Ora legale Stati Uniti orientali	English	USD 1.500
12 nov 2019- 13 nov 2019	Paesi Bassi, Eindhoven	English	EUR 1.400
21 nov 2019- 22 nov 2019	Germania, München (Ismaning)	German	EUR 1.400
05 dic 2019- 06 dic 2019	Giappone, 名古屋市	Japanese	JPY 140.000

Risultati 1 - 6 di 6

Il prezzo si applica per l’acquisto e l’uso in Stati Uniti, Per i prezzi da applicare in altre aree geografiche, contattare l’ufficio Commerciale. Il prezzo del prodotto non include le tasse di vendita e d’uso, le accise, l’IVA e altre. Tutte le tasse, le imposte e le spese pertinenti, così come i tributi e i dazi statali applicabili a questo acquisto, saranno calcolati sull’ordine finale. Per ulteriori informazioni, vedere la Policy MathWorks per la Formazione.