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

Fondamentaux du calcul parallèle

Choisissez une solution de calcul parallèle

L'informatique parallèle peut vous aider à résoudre de gros problèmes informatiques de différentes manières. MATLAB^® et Parallel Computing Toolbox™ fournissent un environnement de programmation interactif pour vous aider à accomplir vos tâches informatiques. Si votre code s'exécute trop lentement, vous pouvez le profiler, le vectoriser et utiliser la prise en charge intégrée du calcul parallèle MATLAB. Ensuite, vous pouvez essayer d'accélérer votre code en utilisant parfor sur plusieurs workers MATLAB dans un pool parallèle. Si vous disposez de Big Data, vous pouvez effectuer une mise à l'échelle à l'aide de tableaux distribués ou de datastore . Vous pouvez également exécuter une tâche sans attendre qu'elle se termine, en utilisant parfeval, afin de pouvoir poursuivre d'autres tâches. Vous pouvez utiliser différents types de matériel pour résoudre vos problèmes de calcul parallèle, notamment des ordinateurs de bureau, des GPU, des clusters et des cloud. Pour commencer, consultez Quick Start Parallel Computing in MATLAB .

Fonctions

développer tout

Fonctions clés dans Parallel Computing Toolbox

`parfor`	Exécuter des itérations `for`-loop en parallèle sur les Workers
`parfeval`	Exécuter la fonction sur le worker de pool parallèle
`gpuArray`	Tableau stocké sur GPU
`distributed`	Create and access elements of distributed arrays from client
`batch`	Exécutez le script ou la fonction MATLAB sur le worker
`parpool`	Créer un pool parallèle sur le cluster
`ticBytes`	Start counting bytes transferred within parallel pool
`tocBytes`	Read how many bytes have been transferred since calling `ticBytes`
`delete (Pool)`	Arrêter le pool parallèle

Rubriques

Les bases

Choisissez une solution de calcul parallèle
Découvrez les fonctionnalités les plus importantes proposées par MATLAB et Parallel Computing Toolbox pour résoudre votre problème de calcul parallèle.
Parallel Language Decision Tables
Discover example use cases for common parallel computing language features.
Quick Start Parallel Computing in MATLAB
Learn about parallel computing in MATLAB and Parallel Computing Toolbox.
Exécutez les fonctions MATLAB avec prise en charge parallèle automatique
Profitez des ressources informatiques parallèles sans nécessiter de codage supplémentaire.
Exécuter des boucles de manière interactive en parallèle à l'aide de parfor
Convertissez une boucle for en une boucle parfor évolutive.
Choose How to Manage Data in Parallel Computing
Determine the data management approach that meets your parallel computing requirements.
Tracer pendant le balayage des paramètres avec parfor
Effectuez un balayage des paramètres en parallèle et tracez la progression pendant les calculs parallèles.
Scale Up from Desktop to Cluster
Develop your parallel MATLAB® code on your local machine and scale up to a cluster.
Run Batch Parallel Jobs
Use batch to offload work from your MATLAB session to run in the background.
Process Big Data in the Cloud
This example shows how to access a large data set in the cloud and process it in a cloud cluster using MATLAB® capabilities for big data.
Evaluate Functions in the Background Using parfeval
Break out of an optimizing loop early and collect results as they become available.
Exécutez les fonctions MATLAB sur un GPU
Fournissez un argument gpuArray pour exécuter automatiquement des fonctions sur un GPU.
Train Network in the Cloud Using Automatic Parallel Support (Deep Learning Toolbox)
This example shows how to train a convolutional neural network using MATLAB® automatic support for parallel training.

Apprendre encore plus

What Is Parallel Computing?
Learn about MATLAB and Parallel Computing Toolbox.
Exécuter du code sur des pools parallèles
Découvrez le démarrage et l’arrêt des pools parallèles, la taille du pool et la sélection du cluster.
Choose Between Thread-Based and Process-Based Environments
With Parallel Computing Toolbox, you can run your parallel code in different parallel environments, such as thread-based or process-based environments.
Run MATLAB Functions in Thread-Based Environment
Check support for MATLAB functions that you want to run in the background.
Set Environment Variables on Workers
Copy system environment variables from the client to workers in a cluster.
Write Portable Parallel Code
Write parallel code that can use parallel resources if you have Parallel Computing Toolbox and that still runs if you do not have Parallel Computing Toolbox.

Exemples présentés

Illustrating Three Approaches to GPU Computing: The Mandelbrot Set

Adapt your MATLAB® code to compute the Mandelbrot Set using a GPU.

Ouvrir le live script

Use parfor to Speed Up Monte-Carlo Code

Speed up Monte-Carlo code by using parfor-loops. Monte-Carlo methods are found in many fields, including physics, mathematics, biology, and finance. Monte-Carlo methods involve executing a function many times with randomly distributed inputs. With Parallel Computing Toolbox, you can replace a for-loop with a parfor-loop to easily speed up code.

Ouvrir le live script