Parallel Computing Toolbox
멀티코어 컴퓨터, GPU 및 클러스터에서 병렬 연산 수행하기
Parallel Computing Toolbox™는 멀티코어 프로세서, GPU 및 컴퓨터 클러스터를 사용하여 연산 문제와 데이터 집약적인 문제를 해결할 수 있습니다. parallel for-loop, 특수 배열 유형 및 병렬형 수치 알고리즘과 같은 하이 레벨 구조를 사용하면 CUDA 또는 MPI 프로그래밍 없이 MATLAB® 응용 프로그램을 병렬 처리할 수 있습니다. 툴박스를 사용하면 MATLAB 및 기타 툴박스에서 병렬 가능 함수를 사용할 수 있습니다 . Simulink®와 함께 툴박스를 사용하여 모델의 여러 시뮬레이션을 병렬로 실행할 수 있습니다. 프로그램과 모델은 대화형 모드와 배치 모드에서 모두 실행할 수 있습니다.
이 툴박스를 통해 로컬로 실행되는 워커(MATLAB 연산 엔진)에서 응용 프로그램을 실행함으로써 멀티코어 데스크탑의 처리 능력을 최대한 활용할 수 있습니다. 코드를 변경하지 않고 클러스터 또는 클라우드에서 동일한 응용 프로그램을 실행할 수 있습니다(MATLAB Parallel Server™를 사용하여). MATLAB Parallel Server와 함께 툴박스를 사용하여 단일 컴퓨터의 메모리에 담을 수 없는 거대한 행렬 연산을 실행할 수도 있습니다.
MATLAB 응용 프로그램 확장
Parallel Computing Toolbox를 사용하면 응용 프로그램을 멀티코어 프로세서와 GPU가 장착된 컴퓨터에서 활용할 수 있습니다.
멀티코어 컴퓨터로 MATLAB 속도 향상
파라미터 스윕, 최적화 및 Monte Carlo 시뮬레이션과 같은 문제에서 parallel for loop(parfor)를 사용하여 멀티코어 CPU에서 독립적인 반복을 병렬로 실행합니다. Parfor는 병렬 풀 생성을 자동화하고 파일 종속성을 관리하므로 작업에 집중할 수 있습니다. 여러 MATLAB 및 Simulink 제품의 주요 함수는 병렬 가능 함수를 제공합니다. Parallel Computing Toolbox를 사용하면 이러한 함수를 통해 사용 가능한 병렬 컴퓨팅 리소스 간에 연산을 분산할 수 있습니다. 병렬 응용 프로그램을 대화형 및 배치로 실행할 수 있습니다.
Parallel Computing Toolbox를 사용하여 추가 CPU 및 GPU 리소스로 MATLAB 및 Simulink 속도를 높일 수 있습니다.
GPU로 MATLAB 가속화
Parallel Computing Toolbox는 GPUArray를 사용하여 MATLAB에서 직접 NVIDIA® GPU를 사용할 수 있습니다. 500개가 넘는 MATLAB 함수는 NVIDIA GPU에서 자동으로 실행됩니다. 여기에는 fft, 요소별 연산 및 백슬래시 연산자(\)라고도 하는 lu 및 mldivide와 같은 여러 선형 대수 연산이 포함됩니다. Deep Learning Toolbox와 같은 일부 MATLAB 및 Simulink 제품의 주요 함수에는 GPU 지원 함수가 있습니다. 추가로 코드를 작성하지 않고도 GPU를 사용할 수 있으므로 성능 조정보다는 응용 프로그램에 집중할 수 있습니다. 고급 개발자는 MATLAB에서 직접 CUDA 코드를 호출할 수 있습니다. 데스크탑, 컴퓨팅 클러스터 및 클라우드 환경에서 여러 GPU를 활용할 수 있습니다.
GPUArray 및 GPU 지원 MATLAB 함수를 사용하여 로우 레벨 CUDA 프로그래밍 없이 MATLAB 연산 속도를 높입니다.
빅데이터 처리
Parallel Computing Toolbox는 성능 개선을 위해 로컬 워커에서 실행할 수 있도록 MATLAB에 내장된 tall형 배열 및 mapreduce 기능을 확장합니다. 그런 다음 기존 클러스터 또는 Apache Spark™ 및 Hadoop® 클러스터의 MATLAB Parallel Server를 사용하여 tall형 배열 및 mapreduce를 추가 리소스까지 확장할 수 있습니다. 데스크탑에서 분산 배열을 프로토타입화한 다음 MATLAB 병렬 서버를 사용하여 추가 리소스까지 확장할 수도 있습니다.
MATLAB tall형 배열을 사용하여 빅데이터 세트를 병렬로 분석합니다.
Simulink시뮬레이션 속도 높이기
Parallel Computing Toolbox를 사용하면 여러 CPU 코어에서 동시에 많은 Simulink 시뮬레이션을 쉽게 실행할 수 있습니다. Monte Carlo 분석, 파라미터 스윕, 모델 테스트, 실험 설계 및 모델 최적화에서 다른 입력 또는 파라미터 설정으로 쉽게 같은 모델을 실행할 수 있습니다.
병렬로 여러 시뮬레이션 실행하기
시뮬레이션을 병렬로 실행하려면 parsim 함수를 사용합니다. 이 함수는 여러 시뮬레이션을 멀티코어 CPU에 분산하여 전체 시뮬레이션 시간을 단축합니다. 또한, parsim은 병렬 풀 생성을 자동화하고, 파일 종속성을 식별하며, 빌드 아티팩트를 관리하므로 설계 작업에 집중할 수 있습니다. 병렬 시뮬레이션을 대화형이나 배치로 실행할 수 있습니다.
Parsim 함수를 사용하여 여러 시뮬레이션을 병렬로 실행합니다.
시뮬레이션 관리자
시뮬레이션 관리자는 parsim과 통합되어 하나의 창에서 여러 시뮬레이션을 모니터링하고 시각화하는 데 사용할 수 있습니다. 개별 시뮬레이션을 선택하여 사양을 볼 수 있을 뿐만 아니라 시뮬레이션 데이터 검사기를 사용하여 시뮬레이션 결과를 검사할 수 있습니다. 진단 작업을 편리하게 실행하거나 시뮬레이션을 중단할 수도 있습니다.
시뮬레이션 관리자로 하나의 창에서 여러 시뮬레이션을 모니터링합니다.
병렬 가능 Simulink 기능 활용하기
Simulink 시뮬레이션을 실행하기 위해 parsim 및 batchsim 함수를 사용하는 것 외에도 병렬 기능을 제공하는 Simulink Design Optimization™, Reinforcement Learning Toolbox™, Simulink Test™ 및 Simulink Coverage™ 등의 Simulink 제품이 많이 있습니다. 그래서 코드를 작성하지 않고도 시뮬레이션을 병렬로 실행할 수 있습니다.
병렬 시뮬레이션은 기본 설정 또는 플래그 설정을 통해 활성화할 수 있습니다.
클러스터와 클라우드의 병렬 컴퓨팅
데스크탑 또는 가상 데스크탑에서 응용 프로그램을 프로토타입화하고 디버깅하여 다시 코딩하지 않고도 클러스터나 클라우드로 확장합니다. 대화형 방식으로 개발하고 배치 워크플로를 통해 생산 단계로 이동합니다.
퍼블릭 및 프라이빗 클라우드에서 MATLAB 데스크탑 실행하기
여러 주문형, 고성능 CPU 및 GPU 컴퓨터를 활용하여 분석과 시뮬레이션 속도를 높입니다. Amazon Web Services®(AWS) 환경 또는 Microsoft Azure®에서 가상 컴퓨터에 직접 MATLAB 및 Simulink를 실행합니다.
또한, NVIDIA GPU 클라우드 또는 NVIDIA DGX의 MATLAB Deep Learning Container에서 신경망을 학습하여 딥러닝 응용 프로그램의 속도를 높일 수 있습니다.
Amazon Web Services(AWS) 환경의 EC2 인스턴스에서 MATLAB 및 Simulink를 직접 실행합니다.
MATLAB 병렬 서버로 클러스터 크기 조정하기
데스크탑에서 프로토타입을 개발하고 다시 코딩하지 않고 컴퓨팅 클러스터나 클라우드로 확장합니다. 클러스터 프로파일 변경만으로 데스크탑에서 다양한 실행 환경으로 액세스합니다.
코드를 변경하지 않고 추가 클러스터와 클라우드 리소스를 사용하여 응용 프로그램을 쉽게 확장할 수 있습니다.
