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.

시작하기:

MATLAB 응용 프로그램 확장
Simulink시뮬레이션 속도 높이기
클러스터와 클라우드의 병렬 컴퓨팅
실행 중인 Parallel Computing Toolbox 항목을 참조하십시오.

최신 기능
문서 및 관련 자료
평가판 신청/구매

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 for loops(parfor)

병렬 컴퓨팅을 이용한 Monte Carlo 시뮬레이션 성능 향상

MATLAB 및 Simulink의 병렬 지원

배치 처리

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.

MATLAB GPU 컴퓨팅

GPU에서 MATLAB 함수 실행

NVIDIA GPU 클라우드용 MATLAB 딥러닝 컨테이너

MATLAB을 활용한 딥러닝

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.

MATLAB으로 빅데이터 처리

MATLAB을 통한 빅데이터 및 데이터 분석

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.

병렬 시뮬레이션 워크플로

병렬 시뮬레이션 (1:06)

컴퓨팅 클러스터에서 실행하기 위한 시뮬레이션 오프로드

동적 시스템을 여러 번 시뮬레이션하기 예제

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.

Simulink 설계 최적화

Simulink Test

병렬 소프트웨어 빌드