Parallel Computing Toolbox
Parallel Computing Toolbox™ le permite resolver problemas informáticos y de datos intensivos utilizando procesadores multinúcleo, GPU y clústeres de computadoras. Las construcciones de alto nivel (bucles for paralelos, tipos de matrices especiales y algoritmos numéricos en paralelo) le permiten escalar aplicaciones MATLAB® sin CUDA® o programación MPI. Parallel Computing Toolbox también le permite usar funciones habilitadas en paralelo en MATLAB y otras cajas de herramientas y ejecutar múltiples simulaciones Simulink® en paralelo. Los programas y modelos se pueden ejecutar tanto en modo interactivo como por lotes.
La caja de herramientas le permite utilizar toda la potencia de procesamiento de los escritorios multinúcleo y habilitados para GPU mediante la ejecución de aplicaciones en subprocesos y workers de procesos (motores computacionales MATLAB) que se ejecutan localmente. Sin cambiar el código, puede ejecutar las mismas aplicaciones en clústeres o nubes (usando MATLAB Parallel Server™). También puede utilizar la caja de herramientas con MATLAB Parallel Server para ejecutar cálculos matriciales que son demasiado grandes para caber en la memoria de una sola máquina.
Comience con Parallel Computing Toolbox
Aprender los aspectos básicos de Parallel Computing Toolbox
Fundamentos de computación paralela
Elija una solución de computación paralela
Bucles for paralelos (parfor)
Utilice procesamiento paralelo ejecutando parfor
en workers en un grupo paralelo.
Programación paralela asincrónica
Evaluar funciones en segundo plano usando parfeval
Procesamiento de grandes datos
Analice conjuntos de big data en paralelo utilizando arreglos distribuidos, arreglos altos, almacenes de datos o mapreduce
, en clústeres Spark® y Hadoop®
Procesamiento por lotes
Descargar la ejecución de funciones para ejecutarlas en segundo plano.
Computación GPU
Acelere su código ejecutándolo en una GPU
Cúmulos y nubes
Descubra los recursos del clúster y trabaje con perfiles del clúster
Perfil de rendimiento
Mejorar el rendimiento del código paralelo