Parallel Computing Toolbox

Exécuter des calculs parallèles sur des ordinateurs multicœurs, des GPU et des clusters

Parallel Computing Toolbox™ permet de résoudre des problèmes intensifs en calculs et en données à l'aide de processeurs multicœurs, GPU et clusters d'ordinateurs. Les constructions de haut niveau, telles que les boucles for parallèles, les types de tableaux spéciaux et les algorithmes numériques parallélisés, permettent de paralléliser les applications MATLAB® sans programmation CUDA, ni MPI. La toolbox permet d'utiliser les fonctions supportant le calcul parallèle avec MATLAB et d'autres toolboxes. Il est possible d'utiliser la toolbox avec Simulink® pour exécuter plusieurs simulations d'un modèle en parallèle. Les programmes et les modèles peuvent être exécutés aussi bien en mode interactif qu'en mode batch.

La toolbox vous permet d'utiliser toute la puissance de traitement des ordinateurs multicœurs en exécutant les applications sur les workers (moteurs de calcul MATLAB) qui fonctionnent localement. Sans changer le code, vous pouvez exécuter la même application sur des clusters ou sur des clouds (avec MATLAB Parallel Server™). Il est aussi possible d'utiliser la toolbox avec MATLAB Parallel Server afin d'exécuter des calculs matriciels trop grands pour être stockés dans la mémoire d'une seule machine.

En savoir plus:

Mise à l'échelle des applications MATLAB

Parallel Computing Toolbox permet à vos applications de tirer profit des ordinateurs équipés de processeurs multicœurs et de GPU.

Accélérer MATLAB grâce à des ordinateurs multicœurs

Il est possible d'utiliser des boucles for (parfor) pour exécuter des itérations indépendantes en parallèle sur des processeurs multicœurs, dans le cas de problèmes tels que les balayages de paramètres, les optimisations ou les simulations de Monte-Carlo. Le parfor automatise la création de pools parallèles et gère les dépendances des fichiers, afin que vous puissiez vous concentrer sur votre travail. Les fonctions clés de plusieurs produits MATLAB et Simulink sont compatibles avec la parallélisation des calculs. Avec Parallel Computing Toolbox, ces fonctions peuvent distribuer les calculs sur les ressources informatiques parallèles disponibles. Il est possible d'exécuter des applications parallèles en mode interactif et batch.

Utilisez Parallel Computing Toolbox pour accélérer MATLAB et Simulink avec des CPU et des ressources GPU supplémentaires.

Accélérer MATLAB avec des GPU

Il vous est possible, grâce à Parallel Computing Toolbox, d'utiliser des GPU NVIDIA® directement dans MATLAB en utilisant le type GPUArray. Plus de 500 fonctions MATLAB sont exécutées automatiquement sur des GPU NVIDIA, notamment les fft, les opérations par éléments et plusieurs opérations algébriques linéaires tels que lu et mldivide, aussi connu comme l'opérateur antislash (\). Les fonctions clés de plusieurs produits MATLAB et Simulink, tels que Deep Learning Toolbox, sont compatibles avec les fonctions GPU. Il est possible d'utiliser les GPU sans avoir à écrire de code supplémentaire, ce qui permet de se concentrer sur les applications plutôt que sur l'optimisation des performances. Les développeurs confirmés peuvent appeler leur propre code CUDA directement dans MATLAB. Il est possible d'utiliser plusieurs GPU sur des ordinateurs de bureau, des clusters de calcul et des environnements cloud.

L'utilisation du type GPUArray et des fonctions MATLAB compatibles GPU contribue à l'accélération des opérations MATLAB sans programmation CUDA de bas niveau.

Traitement des Big Data

La Parallel Computing Toolbox étend les fonctionnalités des tall arrays et de mapreduce intégrés à MATLAB, de manière à pouvoir les exécuter sur des workers locaux pour de meilleures performances. Il est alors possible de transposer à plus grande échelle les tall array et le mapreduce sur des ressources additionnelles avec MATLAB Parallel Server sur des clusters classiques ou sur des clusters Apache Spark™ et Hadoop®. Vous pouvez aussi prototyper des tableaux distribués sur votre ordinateur, puis utiliser des ressources supplémentaires avec MATLAB Parallel Server.

Analyse de jeux de Big Data en parallèle en utilisant des tableaux tall MATLAB.

Accélération des simulations Simulink

Avec Parallel Computing Toolbox, il est possible d'exécuter plusieurs simulations Simulink en même temps sur plusieurs cœurs CPU. Exécutez facilement le même modèle avec différentes entrées ou différents paramètres dans vos analyses de Monte-Carlo, vos balayages de paramètres, vos tests de modèles et votre optimisation de modèle.

Exécution de plusieurs simulations en parallèle

Utilisez la fonction parsim afin d'exécuter vos simulations en parallèle. La fonction distribue plusieurs simulations sur des processeurs multicœurs afin d'accélérer le temps de simulation total. parsim automatise aussi la création de boucles parallèles, identifie les dépendances de fichiers et gère les artefacts de compilation, vous permettant ainsi de vous consacrer à votre design. Il est possible d'exécuter des applications parallèles en mode interactif ou batch.

Utilisation de la fonction parsim afin d'exécuter plusieurs simulations en parallèle.

Simulation Manager

L'outil Simulation Manager est intégré avec la commande parsim et peut être utilisé pour surveiller et visualiser de nombreuses simulations dans une seule fenêtre. Il est possible de sélectionner une simulation individuelle et d'afficher ses spécifications. Vous pouvez également utiliser Simulation Data Inspector afin d'examiner les résultats de la simulation. Il est aussi possible d'exécuter facilement les tâches de diagnostic ou d'interrompre les simulations.

Suivez plusieurs simulations dans une seule fenêtre avec Simulation Manager.

Tirez profit des fonctionnalités Simulink parallélisées

Pour compléter l'utilisation des fonctions parsim et batchsim pour l'exécution de simulations Simulink, il existe de nombreux produits Simulink tels que Simulink Design Optimization™, Reinforcement Learning Toolbox™, Simulink Test™ et Simulink Coverage™ qui contiennent des fonctionnalités parallélisées, vous permettant ainsi d'exécuter plusieurs simulations en parallèle sans avoir à écrire du code.

Les simulations parallèles peuvent être activées dans les préférences ou des options

Calcul parallèle sur clusters ou clouds

Prototypez et déboguez des applications sur un ordinateur local ou virtuel et passez à l'échelle sur des clusters ou des clouds sans avoir à modifier votre code. Développez de manière interactive et passez à la production avec des processus en mode batch.

Exécuter MATLAB sur des clouds publics ou privés

Accélérez les analyses et les simulations en profitant de plusieurs machines CPU et GPU ultra-performantes et à la demande. Lancez MATLAB et Simulink directement sur des machines virtuelles dans l'environnement Amazon Web Services® (AWS) ou dans Microsoft Azure®.

Vous pouvez aussi optimiser vos applications de Deep Learning en entraînant des réseaux de neurones dans MATLAB Deep Learning Container sur NVIDIA GPU Cloud ou sur NVIDIA DGX.

Lancez MATLAB et Simulink directement sur une instance EC2 de l'environnement Amazon Web Services (AWS).

Mise à l'échelle sur des clusters avec MATLAB Parallel Server

Développez un prototype sur votre ordinateur, puis mettez-le à l'échelle sur un cluster de calcul ou un cloud sans modifier votre code. Modifiez simplement le profil de votre cluster pour accéder à différents environnements d'exécution depuis votre ordinateur. 

Mise à l'échelle simplifiée de vos applications en utilisant un cluster et des ressources cloud additionnels sans modifier votre code.

Exemples d'utilisation de la Parallel Computing Toolbox

Nouveautés

Fonctionnalité GPU améliorée pour le mode sparse

Utilisez de nouvelles fonctions gpuArray améliorées, telles que sparse diag, sparse trace, et autres.

Support de NVIDIA CUDA Toolkit 10.1

Bénéficiez de la mise à jour NVIDIA CUDA Toolkit 10.1.

Chargement de données gpuArray sur le CPU

chargez des données gpuArray sur le CPU, lorsque qu’il n’y a pas de GPU.

Fonctionnalités pour les tableaux distribués

Utilisez de nouvelles fonctionnalités améliorées pour les tableaux distribués, telles que la décomposition, mink, maxk, topkrows et bien d’autres.

Documentation des tâches en batch

Explorez les processus en mode batch avec de nouveaux exemples tels que Run Batch Job et Access Files from Workers.

Performance des ordonnanceurs de tâches courants

Améliorez la performance de la création de tâches vectorisées pour des ordonnanceurs tiers et locaux.

Amélioration de Mexcuda

compilez des fonctions mexcuda sans installer le toolkit CUDA.

Reportez-vous aux notes de version pour en savoir plus sur ces fonctionnalités et les fonctions correspondantes.

Version d’évaluation

Bénéficiez d'une version d'évaluation de 30 jours.

Télécharger

Prêt à acheter ?

Obtenez les tarifs et explorez les produits associés.

Vous êtes étudiant ?

Obtenez la version étudiante des logiciels MATLAB et Simulink.

En savoir plus