Contenu principal

Cette page a été traduite par traduction automatique. Cliquez ici pour voir la dernière version en anglais.

Parallel Computing Toolbox

Effectuer des calculs parallèles sur des ordinateurs multicœurs, des GPU et des clusters d'ordinateurs

Parallel Computing Toolbox™ vous permet de résoudre des problèmes gourmands en calcul et en données à l'aide de processeurs multicœurs, de GPU et de clusters informatiques. Les constructions de haut niveau (boucles for parallèles, types de tableaux spéciaux et algorithmes numériques parallélisés) vous permettent de faire évoluer les applications MATLAB® sans programmation CUDA® ou MPI. Parallel Computing Toolbox vous permet également d'utiliser des fonctions parallèles dans MATLAB et d'autres toolboxes et d'exécuter plusieurs simulations Simulink® en parallèle. Les programmes et les modèles peuvent s'exécuter en mode interactif et par lots.

La toolbox vous permet d'utiliser toute la puissance de traitement des ordinateurs desktop multicœurs et compatibles GPU en exécutant des applications sur des threads et des processus de travail (moteurs de calcul MATLAB) qui s'exécutent localement. Sans 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 pour exécuter des calculs matriciels trop volumineux pour tenir dans la mémoire d'une seule machine.

Commencer avec Parallel Computing Toolbox

Apprendre les bases de Parallel Computing Toolbox

Principes fondamentaux du calcul parallèle

Choisir une solution de calcul parallèle

Boucles for parallèles (parfor)

Utiliser le traitement parallèle en exécutant parfor sur les workers d'un pool parallèle

Programmation parallèle asynchrone

Évaluer les fonctions en arrière-plan à l'aide de parfeval

Traitement des Big Data

Analyser de grands ensembles de données en parallèle à l'aide de tableaux distribués, de tall arrays, de datastores ou de mapreduce, sur des clusters Spark® et Hadoop®

Traitement en batch

Décharger l'exécution des fonctions pour qu'elles s'exécutent en arrière-plan

Calcul GPU

Accélérer votre code en l'exécutant sur un GPU

Clusters et clouds

Découvrir les ressources du cluster et travailler avec les profils du cluster

Profilage des performances

Améliorer les performances du code parallèle