Accelerating the pace of engineering and science

Parallel Computing Toolbox

새로운 내용

새로운 제품의 기능에 대해 알아보십시오.

Tall 배열 병렬 지원

Tall 배열 병렬 지원

데스크탑, MATLAB Distributed Computing Server 및 Spark 클러스터에서 Tall 배열이 있는 빅 데이터를 병렬로 처리함

GPU 배열 지원

GPU 배열 지원

새로운 희소 반복 솔버(Solver) bicg를 포함하는 고급 gpuArray 함수 사용

병렬 메뉴 향상 기능

병렬 메뉴 향상 기능

병렬 메뉴의 새로운 메뉴 항목을 사용하여 클라우드 기반 리소스를 구성 및 관리

분산(Distributed) 배열의 새 데이터형

분산(Distributed) 배열의 새 데이터형

고급 함수를 사용하여 분산(Distributed) 배열을 생성 datetime, duration, calendarDuration, string, categoricaltable

분산(Distributed) 배열 로드

분산(Distributed) 배열 로드

Datastore를 사용하여 병렬로 분산(Distributed) 배열 로드

클러스터 프로파일 유효성

클러스터 프로파일 유효성

검사 실행할 유효성 검사 단계와 사용할 MATLAB 워커 수 선택

희소 행렬에 대한 GPU 지원

희소 행렬에 대한 GPU 지원

GPU의 희소 행렬에 대하여 향상된 gpuArray 함수를 사용합니다.

분산(Distributed) 배열 지원

분산(Distributed) 배열 지원

직접(mldivide) 및 반복 솔버(cgspcg)에 대한 희소 형식 입력값을 포함하는 향상된 분산(Distributed) 배열 함수를 사용합니다.

GPU 가속화된 딥러닝

GPU 가속화된 딥러닝

이미지 분류화 작업을 위해 GPU 사용 가속화를 지원하는 딥러닝(deep CNN) 기능을 Neural Network Toolbox에서 지원합니다.

GPU 사용 MATLAB 함수

GPU 사용 MATLAB 함수

선형 방정식, 기술 통계, 집합 연산을 위해 GPU 사용 MATLAB 함수를 사용하는 응용 프로그램을 가속화합니다.

병렬 사용 그라데이션 예측

병렬 사용 그라데이션 예측

그라데이션 및 자코비의 병렬 유한 차이 예측을 통해 Optimization Toolbox에서 더 많은 비선형 솔버를 가속화합니다.

Hadoop Kerberos 지원

Hadoop Kerberos 지원

Kerberos 인증 환경에서 Hadoop에 대한 개선된 지원을 제공합니다.

증가된 데이터 전송 제한

증가된 데이터 전송 제한

MATLAB 작업 스케줄러 클러스터를 사용하여 모든 잡의 클라이언트 및 워커 간에 최대 4GB 크기의 데이터를 전송합니다.

Latest Releases

R2016b (버전 6.9) - 2016년 9월 14일

2016b의 일부인 Version 6.9 에는 다음과 같은 향상된 기능이 포함되어 있습니다.

  • Tall 배열 병렬 지원: 데스크탑, MATLAB Distributed Computing Server 및 Spark 클러스터에서 Tall 배열이 있는 빅 데이터를 병렬로 처리함
  • GPU 배열 지원: 새로운 희소 반복 솔버(Solver) bicg를 포함하는 고급 gpuArray 함수 사용
  • 병렬 메뉴 향상 기능: 병렬 메뉴의 새로운 메뉴 항목을 사용하여 클라우드 기반 리소스를 구성 및 관리
  • 분산(Distributed) 배열의 새 데이터형: 고급 함수를 사용하여 분산(Distributed) 배열을 생성 datetime, duration, calendarDuration, string, categoricaltable
  • 분산(Distributed) 배열 로드: Datastore를 사용하여 병렬로 분산(Distributed) 배열 로드
  • 클러스터 프로파일 유효성 검사 실행할 유효성 검사 단계와 사용할 MATLAB 워커 수 선택

자세한 내용은 Release Notes를 참조하십시오.

R2016a (버전 6.8) - 2016년 3월 3일

 

2016a 릴리스의 일부인 Version 6.8에는 다음과 같은 향상된 기능이 포함되어 있습니다.

  • 희소 행렬에 대한 GPU 지원: GPU의 희소 행렬에 대하여 향상된 gpuArray 함수를 사용합니다.
  • 분산(Distributed) 배열 지원: 직접(mldivide) 및 반복 솔버(cgspcg)에 대한 희소 형식 입력값을 포함하는 향상된 분산(Distributed) 배열 함수를 사용합니다.
  • GPU 가속화된 딥러닝: 이미지 분류화 작업을 위해 GPU 사용 가속화를 지원하는 딥러닝(deep CNN) 기능을 Neural Network Toolbox에서 지원합니다.
  • GPU 사용 MATLAB 함수: 선형 방정식, 기술 통계, 집합 연산을 위해 GPU 사용 MATLAB 함수를 사용하는 응용 프로그램을 가속화합니다.
  • 병렬 사용 그라데이션 예측: 그라데이션 및 자코비의 병렬 유한 차이 예측을 통해 Optimization Toolbox에서 더 많은 비선형 솔버를 가속화합니다.
  • Hadoop Kerberos 지원: Kerberos 인증 환경에서 Hadoop에 대한 개선된 지원을 제공합니다.
  • 증가된 데이터 전송 제한: MATLAB 작업 스케줄러 클러스터를 사용하여 모든 잡의 클라이언트 및 워커 간에 최대 4GB 크기의 데이터를 전송합니다.

자세한 내용은 Release Notes를 참조하십시오.

R2015b (버전 6.7) - 2015년 9월 3일

2015b의 일부인 Version 6.7 에는 다음과 같은 향상된 기능이 포함되어 있습니다.

  • 확률 분포, 기술 통계 및 가설 검증을 포함한 Statistics and Machine Learning Toolbox의 90가지 이상의 GPU 지원 함수
  • 희소 행렬 지원을 포함한 추가 GPU 지원 MATLAB 함수
  • mexcuda 함수 - CUDA 코드를 포함한 MEX 파일을 더 쉽게 컴파일
  • SLURM을 위한 스케줄러 통합 스크립트
  • parallel.pool.Constant 함수로 병렬 언어 생성자 내에서 액세스 가능한 병렬 풀 worker에서 상수 데이터 생성 parforparfeval
  • 성능 개선 mapreduce Hadoop 2 클러스터

자세한 내용은 Release Notes를 참조하십시오.

R2015a (버전 6.6) - 2015년 3월 5일

2015a의 일부인 Version 6.6에는 다음과 같은 향상된 기능이 포함되어 있습니다.

  • 병렬 풀을 지원하는 모든 클러스터에서 mapreduce 함수 지원
  • GPU 지원 함수와 희소 배열
  • 추가 GPU 지원 MATLAB 함수
  • pagefun 은 GPU에서 mrdivideinv 함수를 지원
  • GPU 지원 선형 대수 함수 향상
  • MATLAB partition 함수로 datastore로부터 데이터 병렬로 읽기

자세한 내용은 Release Notes를 참조하십시오.

R2014b (버전 6.5) - 2014년 10월 2일

2014b의 일부인 Version 6.5에는 다음과 같은 향상된 기능이 포함되어 있습니다.

  • local worker에서의 mapreduce 병렬화
  • accumarray, histc, cummaxcummin을 포함한 추가 GPU 지원 MATLAB 함수
  • GPU의 mldivide를 위한 pagefun 지원
  • fft2, fftn, ifft2, ifftn, cummax, cummindiff를 포함하여 분산 배열을 위한  MATLAB 함수 추가

자세한 내용은 Release Notes를 참조하십시오.