Parallel Computing Toolbox
Exécuter des calculs parallèles sur des ordinateurs multicœurs, des GPU et des clusters
Vous avez des questions ? Contactez l'équipe commerciale.
Parallel Computing Toolbox vous permet de résoudre des problèmes combinant complexité des calculs et grands volumes de données en utilisant des processeurs multicœurs, des GPU et des clusters d'ordinateurs. Les structures de haut niveau (boucles for parallèles, types de tableaux spéciaux et algorithmes numériques parallélisés) vous permettent de faire évoluer vos applications MATLAB sans nécessiter de programmation CUDA ou MPI. Parallel Computing Toolbox vous permet également d'utiliser des fonctions compatibles avec le parallélisme dans MATLAB et d'autres toolboxes, ainsi que d'exécuter plusieurs simulations Simulink en parallèle. Les programmes et les modèles peuvent s'exécuter en mode interactif et en mode batch.
La toolbox vous permet d'utiliser toute la puissance de traitement des ordinateurs multicœurs, compatibles GPU, en exécutant les applications sur des workers (moteurs de calcul MATLAB) de threads et de processus qui fonctionnent localement. Sans avoir à modifier le code, vous pouvez exécuter les mêmes applications sur des clusters ou des clouds (en utilisant MATLAB Parallel Server). Vous pouvez également utiliser la toolbox avec MATLAB Parallel Server afin d'exécuter des calculs matriciels trop volumineux pour tenir dans la mémoire d'une seule machine.
Accélérer MATLAB avec des ordinateurs multicœurs
Utilisez parfor et d'autres fonctionnalités afin d'exécuter des threads ou des processus MATLAB parallèles pour des tâches telles que les balayages de paramètres, les optimisations et les simulations de Monte Carlo. Laissez les fonctionnalités du langage MATLAB (avec Parallel Computing Toolbox) gérer les ressources, les dépendances de fichiers et d'autres détails, ce qui vous permettra de vous concentrer sur votre travail.
Accélérer MATLAB avec les GPU
Vous pouvez utiliser les GPU NVIDIA® sans avoir à écrire de code supplémentaire, ce qui vous permet de vous concentrer sur vos applications plutôt que sur l'optimisation des performances. Les fonctions clés de MATLAB, Simulink et de plusieurs produits complémentaires, tels que Deep Learning Toolbox, disposent de fonctionnalités compatibles GPU. Les développeurs avancés peuvent également créer des fonctions MEX contenant du code CUDA. Utilisez plusieurs GPU sur des desktops, dans des clusters de calcul et dans des environnements cloud.
Fonctionnalité MATLAB additionnelle d’activation du parallélisme
De nombreuses fonctionnalités de MATLAB et des produits complémentaires supportent automatiquement le parallélisme, et de nombreuses applications présentent des fonctionnalités parallèles activées. Parallel Computing Toolbox comprend un langage parallèle exhaustif couvrant les modèles d'exécution depuis l'exécution de fonctions parallèles jusqu'au parallélisme des données, sans que vous n'ayez à recoder votre algorithme.
Exécuter plusieurs simulations Simulink en parallèle
Utilisez la fonction parsim pour exécuter vos simulations en parallèle. La fonction répartit plusieurs simulations sur des CPU multicœurs afin d'accélérer le temps de simulation global. parsim automatise également la création de pools parallèles, identifie les dépendances de fichiers et gère les artefacts de compilation, ce qui vous permet de vous concentrer sur votre travail de design. Vous pouvez exécuter des simulations parallèles de manière interactive ou en mode batch.
Simulation Manager
Simulation Manager est intégré à parsim et peut être utilisé pour surveiller et visualiser plusieurs simulations dans une même fenêtre. Vous pouvez sélectionner une simulation individuelle et consulter ses spécifications, ainsi qu'utiliser Simulation Data Inspector pour examiner les résultats de la simulation. Vous pouvez aussi facilement exécuter des tâches de diagnostic ou abandonner des simulations.
Utiliser les fonctionnalités de parallélisme de Simulink
En plus de l'utilisation des fonctions parsim et batchsim pour exécuter des simulations Simulink, il existe de nombreux produits complémentaires pour Simulink, notamment Simulink Design Optimization, Reinforcement Learning Toolbox, Simulink Test et Simulink Coverage, qui offrent des capacités de parallélisme pour exécuter des simulations en parallèle sans avoir à écrire de code.
Exécuter MATLAB Desktop dans des cloud publics et privés
Accélérez les analyses et les simulations en tirant parti des machines CPU et GPU hautes performances disponibles à la demande dans le cloud. Exécutez MATLAB et Simulink directement sur des machines virtuelles dans les environnements Amazon Web Services® (AWS) ou Microsoft Azure®.
Évoluer vers les clusters avec MATLAB Parallel Server
Développez un prototype sur votre desktop, puis passez à un cluster de calcul ou à des environnements cloud sans avoir à modifier votre code. Accédez à différents environnements d'exécution depuis votre desktop en changeant simplement votre profil de cluster.
Utiliser des distributed arrays avec MATLAB Parallel Server
Exécutez des calculs qui ne tiennent pas dans la mémoire d'une seule machine sans avoir à recoder votre algorithme. Exploitez les nombreuses fonctions capables de s'exécuter automatiquement en tant que calculs distribués lorsqu'elles sont appelées avec un distributed array en entrée. Créez un prototype sur votre desktop et faites-le évoluer vers des ressources additionnelles en utilisant MATLAB Parallel Server pour une exécution à grande échelle.
Ressources produits :
« Nous avons utilisé Parallel Computing Toolbox avec MATLAB Parallel Server pour répartir le travail sur un cluster de 56 processeurs. Cela nous a permis d'identifier rapidement une configuration optimale du réseau de neurones en utilisant MATLAB et Deep Learning Toolbox, d'entraîner le réseau avec des données issues des bases de données de transplantation, puis d'exécuter des simulations pour analyser les facteurs de risque et les taux de survie. »
Parallel Computing Toolbox FAQs
Lorsque vous devez réduire le temps nécessaire pour obtenir des résultats en utilisant davantage les ressources CPU et GPU pour des problèmes intensifs en calcul et en données, Parallel Computing Toolbox vous fournit des fonctionnalités pour paralléliser vos workflows. Vous pouvez prendre le contrôle de vos ressources sans avoir à écrire du code de bas niveau pour CUDA, OpenMP ou MPI. Les fonctionnalités comprennent : parfor pour exécuter des boucles for en parallèle, parfeval pour créer des files d'attente et des pipelines parallèles, parsim pour exécuter la commande sim de Simulink en parallèle, et gpuArray pour cibler les GPU NVIDIA sans réécriture du code. Cela complète le parallélisme implicite intégré aux bibliothèques sous-jacentes de MATLAB. Pour en savoir plus, recherchez « Qu'est-ce que le calcul parallèle ? » dans la documentation de Parallel Computing Toolbox.
La boîte à outils est idéale pour les problèmes intensifs en calcul et en données, tels que les balayages de paramètres, les optimisations et les simulations Monte Carlo.
Vous pouvez utiliser des GPU NVIDIA, des processeurs multicœurs et des clusters de calcul. Pour exécuter localement sur votre poste de travail, seul Parallel Computing Toolbox est requis. Le passage à des clusters de calcul nécessite également MATLAB Parallel Server. Pour des détails sur le matériel spécifique, consultez la page des exigences de Parallel Computing Toolbox.
Non. Parallel Computing Toolbox fournit des constructions de haut niveau qui permettent de paralléliser des applications MATLAB sans avoir à écrire du code de bas niveau.
Vous pouvez utiliser des GPU NVIDIA avec des modifications minimales de votre code. Plus de 1 000 fonctions dans MATLAB et des boîtes à outils s'exécutent automatiquement sur un GPU si vous disposez de Parallel Computing Toolbox et fournissez un argument de données gpuArray. Pour en savoir plus, recherchez « Exécuter des fonctions MATLAB sur un GPU » dans la documentation de Parallel Computing Toolbox.
Oui. Vous pouvez utiliser la fonction parsim et Parallel Computing Toolbox pour répartir plusieurs simulations sur des processeurs multicœurs ou des clusters de calcul. La fonction parsim utilise un tableau d'objets SimulationInput pour exécuter plusieurs simulations. Le passage à des clusters de calcul nécessite également MATLAB Parallel Server.
Oui. De nombreuses fonctions de MATLAB et des boîtes à outils complémentaires disposent d'un support parallèle automatique, et de nombreuses apps proposent des fonctionnalités parallèles que vous pouvez activer sans écrire de code supplémentaire. Les workflows et applications parallèles personnalisés que vous créez peuvent exploiter presque toutes les fonctionnalités de MATLAB et des boîtes à outils. Pour une série d'exemples montrant le calcul parallèle avec d'autres boîtes à outils MATLAB, consultez la section Applications de la documentation de Parallel Computing Toolbox. Pour en savoir plus sur le support parallèle automatique, recherchez « Exécuter des fonctions MATLAB avec prise en charge automatique » dans la documentation de Parallel Computing Toolbox.
Oui. Vous pouvez développer un prototype sur votre poste de travail et passer à un cluster de calcul avec des modifications minimes du code. Le passage à un cluster nécessite également MATLAB Parallel Server. Parallel Computing Toolbox et MATLAB Parallel Server peuvent être exécutés aussi bien sur site que dans le cloud.
Essayez Parallel Computing Toolbox gratuitement
Découvrez nos produits.
Prêt à acheter ?
Découvrez les tarifs et les produits.
Vous êtes étudiant ?
Votre établissement propose peut-être déjà un accès à MATLAB, Simulink et d'autres produits complémentaires via la licence Campus-Wide.
