La version 6.9, incluse dans la mise à jour 2016b, comporte les améliorations suivantes :

  • Support parallèle des tableaux tall : Traitez les Big Data avec des tableaux tall en parallèle sur votre ordinateur de bureau, sur MATLAB Distributed Computing Server et sur les clusters Spark
  • Support des tableaux GPU : Utilisez des fonctions gpuArray améliorées, y compris le nouveau solveur itératif creux bicg
  • Amélioration du menu Parallel : Utilisez les nouveaux éléments du menu Parallel pour configurer et gérer les ressources basées sur le Cloud
  • Nouveaux types de données disponibles dans les tableaux distribués : Utilisez des fonctions améliorées afin de créer des tableaux distribués pour les fonctions suivantes : datetime; duration; calendarDuration; string; categorical; et table
  • Chargement des tableaux distribués : Chargez des tableaux distribués en parallèle à l’aide de  la fonction datastore
  • Validation du profil de cluster : Sélectionnez les étapes de validation à exécuter ainsi que le nombre de workers MATLAB à utiliser

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

La version 6.8, incluse dans la mise à jour 2016a, comporte les améliorations suivantes :

  • Support des GPU pour les matrices creuses : Utilisez les fonctions gpuArray pour les matrices creuses sur les GPU
  • Support des tableaux distribués : Utilisez les fonctions de tableaux distributed, incluant les matrices creuses pour les solveurs directs (mldivide) et itératifs (cgs et pcg)
  • Apprentissage profond (Deep Learning) accéléré avec les GPU : Utilisez Neural Network Toolbox pour entraîner les réseaux de neurones convolutifs avec une accélération par l'utilisation des GPU pour les tâches de classification des images
  • Fonctions MATLAB compatibles GPU : Accélérez les applications à l'aide de fonctions MATLAB compatibles GPU pour les équations linéaires, les statistiques descriptives et les opérations sur les ensembles
  • Estimation de gradient parallélisée : Accélérez un plus grand nombre de solveurs non linéaires dans Optimization Toolbox grâce à l'estimation parallélisée de la différence finie des gradients et des jacobiens
  • Support de Hadoop Kerberos : Meilleur support de Hadoop dans un environnement certifié Kerberos
  • Augmentation des limites de transfert de données : Transférez jusqu'à 4 Go de données entre le client et les agents pour n'importe quelle tâche utilisant un cluster d'ordonnanceur de tâches MATLAB

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

La version 6.7, incluse dans la mise à jour 2015b, comporte les améliorations suivantes :

  • Plus de 90 fonctions compatibles GPU de Statistics and Machine Learning Toolbox, dont les distributions de probabilité, les statistiques descriptives et les tests d'hypothèses
  • Fonctions MATLAB supplémentaires compatibles GPU, dont le support des matrices creuses
  • Fonction mexcuda pour simplifier la compilation des fichiers MEX contenant du code CUDA
  • Scripts d'intégration de l'ordonnanceur pour SLURM
  • Fonction parallel.pool.Constant pour créer des données constantes dans les pools de workers parallèles, accessibles dans des constructions de langages parallèles telles que parfor et parfeval
  • Performances améliorées de mapreduce sur les clusters Hadoop 2

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

La version 6.6, incluse dans la mise à jour 2015a, comporte les améliorations suivantes :

  • Support de la fonction mapreduce sur n'importe quel cluster supportant les pools parallèles
  • Matrices creuses avec fonctions compatibles GPU
  • Fonctions MATLAB supplémentaires compatibles GPU
  • pagefun support pour les fonctions mrdivide et inv sur les GPU
  • Améliorations des fonctions d’algèbre linéaire compatibles GPU
  • Lectures de données parallèles à partir d'un magasin de données avec la fonction MATLAB partition

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

La version 6.5, incluse dans la mise à jour 2014b, comporte les améliorations suivantes :

  • Parallélisation de mapreduce sur les agents locaux
  • Fonctions MATLAB compatibles GPU supplémentaires, notamment accumarray, histc, cummax et cummin
  • Prise en charge pagefun pour mldivide sur les GPU
  • Fonctions MATLAB supplémentaires pour les tableaux distribués, notamment fft2, fftn, ifft2, ifftn, cummax, cummin et diff

Pour en savoir plus, reportez-vous aux Notes de mise à jour.