Parallel Computing Toolbox
Ausführen paralleler Berechnungen auf Mehrkerncomputern, GPUs und Clustern
Haben Sie noch Fragen? Kontaktieren Sie den Vertrieb.
Mit der Parallel Computing Toolbox können Sie berechnungs- und datenintensive Probleme mithilfe von Mehrkernprozessoren, Grafikkarten und Compute-Clustern lösen. Mithilfe von erweiterten Konstrukten – wie parallelen For-Loops, speziellen Array-Arten und parallelisierten numerischen Algorithmen – können Sie MATLAB-Anwendungen ohne CUDA- oder MPI-Programmierung skalieren. Die Parallel Computing Toolbox ermöglicht außerdem die Verwendung von parallelen Funktionen in MATLAB und anderen Toolboxen sowie die parallele Ausführung mehrerer Simulink-Simulationen. Programme und Modelle können sowohl im interaktiven Modus als auch im Batch-Modus ausgeführt werden.
Über die Toolbox lässt sich die volle Rechenleistung von mehrkern- und grafikkartenfähigen Desktops nutzen, indem Anwendungen auf lokal laufenden Thread- und Prozess-Workern (MATLAB-Berechnungskernen) ausgeführt werden. Ohne den Code zu ändern, können Sie dieselben Anwendungen auf Clustern oder Clouds (mittels MATLAB Parallel Server) ausführen. Sie können die Toolbox auch mit dem MATLAB Parallel Server verwenden, um Matrixberechnungen auszuführen, die zu groß sind, um im Speicher eines einzelnen Rechners Platz zu finden.
Beschleunigung von MATLAB mit Mehrkernrechnern
Verwenden Sie parfor und andere Funktionen, um parallele MATLAB-Threads oder -Prozesse für Aufgaben wie Parameter-Sweeps, Optimierungen und Monte-Carlo-Simulationen auszuführen. Überlassen Sie den MATLAB-Sprachfunktionen (mit der Parallel Computing Toolbox) die Verwaltung von Ressourcen, Dateiabhängigkeiten und anderen Details, damit Sie sich voll und ganz auf Ihre Arbeit konzentrieren können.
Beschleunigung von MATLAB mit Grafikkarten
Sie können Grafikkarten von NVIDIA® verwenden, ohne zusätzlichen Code schreiben zu müssen, sodass Sie sich ausschließlich auf Ihre Anwendungen und nicht auf die Leistungsoptimierung konzentrieren können. Wichtige Funktionen in MATLAB, Simulink und verschiedenen Add-on-Produkten wie der Deep Learning Toolbox verfügen über grafikkartenfähige Funktionen. Erfahrene Entwickler können darüber hinaus auch MEX-Funktionen mit CUDA-Code erstellen. Verwenden Sie mehrere Grafikkarten auf Desktops, in Compute-Clustern und in Cloud-Umgebungen.
Zusätzliche parallel nutzbare MATLAB-Funktionen
Viele Funktionen in MATLAB und seinen Add-on-Produkten ermöglichen eine automatische Parallelunterstützung und zahlreiche Apps verfügen ebenfalls über Parallelfunktionen. Die Parallel Computing Toolbox enthält eine umfangreiche parallele Sprache, die Ausführungsmodelle von der parallelen Funktionsausführung bis hin zur Datenparallelität abdeckt, ohne dass Sie Ihren Algorithmus neu codieren müssen.
Parallele Aufführung mehrerer Simulink-Simulationen
Mithilfe der parsim-Funktion können Sie Ihre Simulationen parallel laufen lassen. Die Funktion verteilt mehrere Simulationen auf Mehrkernprozessoren, um die Gesamtsimulationszeit zu verkürzen. Dabei automatisiert parsim auch die Erstellung von parallelen Pools, identifiziert Dateiabhängigkeiten und verwaltet Build-Artefakte, damit Sie Ihren Fokus auf die Entwicklungsarbeit richten können. Sie können parallele Simulationen interaktiv oder im Batch ausführen.
Simulation Manager
Der Simulation Manager ist in parsim integriert und kann zur Überwachung und Visualisierung mehrerer Simulationen in einem Fenster verwendet werden. Sie können eine einzelne Simulation auswählen und ihre Spezifikationen anzeigen sowie den Simulation Data Inspector verwenden, um die Simulationsergebnisse zu überprüfen. Ebenso können Sie praktische Diagnoseaufgaben durchführen oder Simulationen abbrechen.
Verwendung parallel aktivierter Simulink-Funktionalität
Zusätzlich zu den parsim- und batchsim-Funktionen zur Ausführung von Simulink-Simulationen gibt es zahlreiche Add-on-Produkte für Simulink, wie beispielsweise Simulink Design Optimization, Reinforcement Learning Toolbox, Simulink Test und Simulink Coverage, die parallele Funktionen für die parallele Ausführung von Simulationen bieten, ohne dass hierfür Code geschrieben werden muss.
Ausführung eines MATLAB-Desktops in öffentlichen und privaten Clouds
Beschleunigen Sie Analysen und Simulationen, indem Sie die in der Cloud verfügbaren leistungsstarken CPUs und Grafikkarten nach Bedarf nutzen. Führen Sie MATLAB und Simulink direkt auf virtuellen Maschinen in der Amazon Web Services®(AWS)-Umgebung oder in Microsoft Azure® aus.
Skalierung auf Cluster mit MATLAB Parallel Server
Entwickeln Sie einen Prototyp auf Ihrem Desktop und skalieren Sie ihn ohne Neukodierung auf einen Compute-Cluster oder eine Cloud. Greifen Sie von Ihrem Desktop aus auf verschiedene Ausführungsumgebungen zu, indem Sie einfach Ihr Clusterprofil ändern.
Verwendung verteilter Arrays auf MATLAB Parallel Server
Führen Sie Berechnungen aus, die nicht in den Speicher eines einzelnen Rechners passen, ohne Ihren Algorithmus neu coden zu müssen. Verwenden Sie die vielen Funktionen, die automatisch als verteilte Berechnungen laufen können, wenn sie mit einer verteilten Array-Eingabe aufgerufen werden. Führen Sie den Prototyp auf Ihrem Desktop aus und skalieren Sie ihn auf zusätzliche Ressourcen, indem Sie den MATLAB Parallel Server für die komplette Ausführung verwenden.
Produktressourcen:
„Wir haben die Parallel Computing Toolbox mit dem MATLAB Parallel Server verwendet, um die Arbeit auf einen Cluster mit 56 Prozessoren zu verteilen. So konnten wir mit MATLAB und der Deep Learning Toolbox in kürzester Zeit eine optimale Konfiguration des neuronalen Netzes ermitteln, das Netz mit Daten aus den Transplantationsdatenbanken trainieren und anschließend Simulationen zur Analyse von Risikofaktoren und Überlebensraten durchführen.“
Parallel Computing Toolbox – Häufig gestellte Fragen
Wenn Sie Ihre Time-to-Results verkürzen möchten, indem Sie mehr Ihrer CPU- und GPU-Ressourcen für rechen- und datenintensive Probleme nutzen, bietet die Parallel Computing Toolbox Funktionen zur Parallelisierung Ihrer Workflows. Sie können Ihre Ressourcen steuern, ohne Low-Level-Code für CUDA, OpenMP oder MPI schreiben zu müssen. Zu den Funktionen gehören: parfor zum parallelen Ausführen von for-Schleifen, parfeval zum Erstellen paralleler Warteschlangen und Pipelines, parsim zum parallelen Ausführen des Simulink sim-Befehls und gpuArray zum Ansteuern von NVIDIA GPUs ohne Neucodierung. Dies ergänzt die implizite Parallelität, die in den zugrunde liegenden Bibliotheken von MATLAB eingebaut ist. Um mehr zu erfahren, suchen Sie in der Dokumentation der Parallel Computing Toolbox nach „Was ist paralleles Rechnen?“.
Das Toolbox eignet sich ideal für rechen- und datenintensive Probleme, wie Parameterstudien, Optimierungen und Monte-Carlo-Simulationen.
Sie können NVIDIA GPUs, Mehrkernprozessoren und Rechencluster verwenden. Für die lokale Ausführung auf Ihrem Desktop ist nur Parallel Computing Toolbox erforderlich. Die Skalierung auf Rechencluster erfordert zusätzlich MATLAB Parallel Server. Details zu spezifischer Hardware finden Sie auf der Seite mit den Systemanforderungen für Parallel Computing Toolbox.
Nein. Die Parallel Computing Toolbox stellt hochrangige Konstrukte bereit, mit denen Sie MATLAB-Anwendungen parallelisieren können, ohne Low-Level-Code schreiben zu müssen.
Sie können NVIDIA GPUs mit nur geringen Änderungen an Ihrem Code nutzen. Mehr als 1 000 Funktionen in MATLAB und in Toolboxes laufen automatisch auf einer GPU, wenn Sie die Parallel Computing Toolbox besitzen und ein gpuArray-Datenargument übergeben. Erfahren Sie mehr, indem Sie in der Dokumentation der Parallel Computing Toolbox nach „Ausführen von MATLAB-Funktionen auf einer GPU“ suchen.
Ja. Sie können die `parsim`-Funktion und die Parallel Computing Toolbox verwenden, um mehrere Simulationen auf Mehrkern-CPUs oder Rechencluster zu verteilen. Die parsim-Funktion verwendet ein Array von SimulationInput-Objekten, um mehrere Simulationen auszuführen. Die Skalierung auf Rechencluster erfordert zusätzlich MATLAB Parallel Server.
Ja. Viele Funktionen in MATLAB und in Zusatz-Toolboxen unterstützen automatisch Parallelität, und viele Apps haben parallele Funktionen aktiviert, die Sie nutzen können, ohne zusätzlichen Code schreiben zu müssen. Eigene parallele Workflows und Anwendungen, die Sie erstellen, können nahezu alle Funktionalitäten in MATLAB und den Toolboxes nutzen. Für eine Reihe von Beispielen, die Parallelrechnen mit anderen MATLAB-Toolboxen zeigen, siehe den Abschnitt Anwendungen in der Dokumentation der Parallel Computing Toolbox. Um mehr über die automatische Parallelunterstützung zu erfahren, suchen Sie in der Dokumentation der Parallel Computing Toolbox nach „Ausführen von MATLAB-Funktionen mit automatischer Unterstützung“.
Ja. Sie können einen Prototyp auf Ihrem Desktop entwickeln und mit minimalen Codeänderungen auf ein Rechencluster skalieren. Die Skalierung auf ein Cluster erfordert außerdem MATLAB Parallel Server. Die Parallel Computing Toolbox und MATLAB Parallel Server können sowohl lokal als auch in der Cloud betrieben werden.
Parallel Computing Toolbox kostenlos ausprobieren
Entdecken Sie noch heute die Möglichkeiten.
Bereit zum Kauf?
Angebot anfordern und Erweiterungsprodukte entdecken.
Studieren Sie?
Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.
