Accélération et parallélisation de code MATLAB

Détails de la formation

Cette formation de deux jours présente un ensemble de techniques permettant d'accélérer l'exécution du code MATLAB^®. Vous allez identifier et éliminer les portions inefficaces de code à l'aide de la préallocation et de la vectorisation. De plus, vous aurez opportunité de compiler le code MATLAB dans des fichiers MEX avec MATLAB Coder. Au-delà des ces techniques, vous apprendrez à utiliser plusieurs processeurs sur votre ordinateur en parallélisant des boucles for avec Parallel Computing Toolbox™ et à distribuer l'exécution d'un code sur des clusters ou des clouds, d’un nombre modéré de processeurs au calcul haute performance (CHP), avec MATLAB Parallel Server™. L’interaction entre ces concepts sera explorée tout au long du cours. Si vous travaillez avec des simulations de longue durée, vous tirerez profit des démonstrations et exercices pratiques inclus dans la formation.

Les thèmes comprennent :

Amélioration des performances en utilisant le langage MATLAB
Génération de fichiers MEX
Parallélisation des calculs
Déportation de l'exécution
Utilisation de clusters
Calculs sur GPU

Jour 1 sur 2

Amélioration des performances

Objectif: Analyser les performances d'un code séquentiel et découvrir les stratégies pour la réduction du temps d'exécution dans MATLAB.

Identification des goulots d'étranglement
Préallocation des arrays
Vectorisation des opérations
Réécriture des algorithmes

Génération de fichiers MEX

Objectif: Générer des fichiers de code MATLAB compilé pour en améliorer les performances en exécution.

Vue d'ensemble de l'utilisation de MATLAB Coder
Génération et vérification de fichiers MEX
Appel de fonctions non supportées
Réglage des paramètres pour la génération de fichiers MEX

Parallélisation des opérations de calcul

Objectif: Convertir le code existant pour l'exécution en parallèle sur plusieurs processeurs.

Ouverture de nouvelles instances MATLAB
Parallélisation des boucles for
Mesure de la performance
Traitement de fichiers de données multiples en parallèle

Jour 2 sur 2

Boucles for parallèles

Objectif: Explorer en détail les boucles for parallèles et appliquer les techniques de conversion de boucles for en boucles parfor.

Exigences des boucles for parallèles
Parallélisation des boucles for
Obtention de résultats intermédiaires

Déportation de l'exécution

Objectif: Décharger l'exécution sur un autre processus MATLAB afin d'utiliser MATLAB pour d'autres tâches. Cette étape est aussi un préliminaire pour l'utilisation de clusters.

Processus en mode batch
Création de jobs batch
Obtention des résultats
Utilisation du Job Monitor

Utilisation de clusters

Objectif: Accélérer les calculs et effectuer des simulations intensives à l'aide de plusieurs ordinateurs.

Clusters locaux et distants
Licences dynamiques
Recherche d'un cluster et connexion
Considérations sur l'accès aux fichiers

Calcul sur GPU

Objectif: Exécuter des codes MATLAB sur la carte graphique de votre ordinateur (GPU) comme une autre option pour réduire le temps d'exécution de vos codes.

Aperçu de l'architecture GPU et des techniques de traitement
Applications adaptées pour le traitement GPU
Appel de fonctions MATLAB sur le GPU
Génération de fichiers CUDA^® MEX avec GPU Coder™
Utilisation de code CUDA préexistant

Niveau: Intermédiaire

Pré-requis:

Fondamentaux MATLAB ou une expérience équivalente dans l'utilisation de MATLAB

Durée: 2 jours

Langues: Deutsch, English, 한국어

Afficher le calendrier et s'inscrire

Formations associées

Traitement de Big Data avec MATLAB

Représentez des Big Data dans MATLAB, adaptez le code existant pour les exploiter efficacement et augmentez vos capacités d'analyse en tirant parti de vos propres ressources informatiques ou de celles du cloud.

De MATLAB au langage C avec MATLAB Coder

Préparez le code MATLAB pour la génération de code C, travaillez avec des données de taille fixe et variable, et intégrez le code généré dans des projets parents et des modules externes.

Techniques d’optimisation dans MATLAB

Exécutez des problèmes d'optimisation dans MATLAB, spécifiez des fonctions objectif et des contraintes, choisissez des solveurs et améliorez la performance.

S'inscrire