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.

Introduction à Parallel Computing Toolbox

Tracé de l'accélération d'un calcul MATLAB obtenue grâce au calcul parallèle pour des tâches indépendantes.

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.

Démarrer rapidement le calcul parallèle

Documentation | Exemples

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.

Documentation | Exemples

Boutons d'activation du parallélisme pour l'application Classification Learner.

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.

Choisir une solution de calcul parallèle

Documentation | Exemples

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.

Simulations parallèles (1:06)

Documentation | Exemples

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.

Documentation

Simulations parallèles activées via un paramètre de préférence ou un marqueur dans l'onglet Options parallèles.

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.

Documentation | Exemples

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^®.

Introduction au MathWorks Cloud Center (2:41)

Documentation

Deux tracés illustrant le passage de vos applications à grande échelle avec des ressources cloud et de cluster supplémentaires sans avoir à modifier votre code.

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.

Réduire le délai d'obtention des résultats dans MATLAB avec le calcul parallèle (4:59)

Documentation | Exemples

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.

S’affranchir des limitations liées à la mémoire avec les distributed arrays dans MATLAB (6:03)

Documentation | Exemples

Ressources produits :

Documentation Exemples Vidéos Articles techniques Fonctions Configuration requise Notes de version MATLAB multicœur

« 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. »
Dr Johan Nilsson, Hôpital universitaire de Skåne, Université de Lund

Consultez d'autres témoignages de clients