Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

並列計算の基礎

並列計算の解決策の選択

並列計算は、大規模な計算の問題をさまざまな方法で解決するために役立ちます。MATLAB® と Parallel Computing Toolbox™ は、計算タスクへの取り組みに役立つ対話型のプログラミング環境を提供します。コードの実行速度が遅すぎる場合は、コードをプロファイリングし、ベクトル化して、組み込みの MATLAB 並列計算サポートを使用できます。さらに、並列プールの複数の MATLAB ワーカーで parfor を使用してコードの高速化を試みることもできます。ビッグ データがある場合は、分散配列または datastore を使用してスケール アップできます。また、parfeval を使用して完了を待たずにタスクを実行することが可能なため、他のタスクを続行することができます。デスクトップ コンピューター、GPU、クラスター、クラウドなど、さまざまな種類のハードウェアを使用して並列計算の問題を解決できます。

関数

すべて展開する

parforワーカーで for ループの反復を並列実行
parfeval並列プール ワーカーでの関数の非同期実行
gpuArrayGPU に格納される配列
distributedクライアントから分散配列要素にアクセスする
batchワーカー上で MATLAB スクリプトまたは関数を実行する
parpoolクラスターでの並列プールの作成
ticBytes並列プール内で転送されたバイト数のカウントを開始する
tocBytesticBytes の呼び出し後に転送されたバイト数を読み取る

トピック

基礎

並列計算の解決策の選択

並列計算の問題を解決するため、MATLAB と Parallel Computing Toolbox で提供される最も重要な機能を確認する。

自動並列サポートを使用した MATLAB 関数の実行

追加のコーディング不要の並列計算リソースを利用する。

parfor を使用した対話形式でのループの並列実行

低速の for ループをより高速の parfor ループに変換する。

parfor を使用したパラメーター スイープ中のプロット

この例では、パラメーター スイープを並列実行して、並列計算中に進行状況をプロットする方法を説明します。

デスクトップからクラスターへのスケール アップ

この例では、ローカル マシンで並列 MATLAB® コードを開発し、クラスターにスケール アップする方法を説明します。

バッチ並列ジョブの実行

batch を使用して、MATLAB セッションの負荷をオフロードしてバックグラウンドで実行する。

クラウドでのビッグデータの処理

この例では、クラウド上の大規模データセットにアクセスし、ビッグデータ向けの MATLAB の機能を使用してクラウド クラスター上で処理する方法を説明します。

parfeval を使用したバックグラウンドでの関数の評価

結果が利用可能になったときにループを早期に終了して結果を収集する。

GPU での MATLAB 関数の実行

MATLAB および他のツールボックスの数百もの関数は gpuArray 引数を渡すことで自動的に GPU で実行されます。

自動並列サポートを使用したクラウドでのネットワークの学習

この例では、MATLAB の並列学習の自動サポートを使用して、畳み込みニューラル ネットワークに学習させる方法を説明します。

詳細

並列計算とは

MATLAB および Parallel Computing Toolbox について学習する。

並列プールでのコードの実行

並列プールの起動と終了、プールのサイズ、およびクラスターの選択について学習する。

スレッドベースの環境またはプロセスベースの環境の選択

Parallel Computing Toolbox を使用すると、スレッドベースまたはプロセスベースの環境などのさまざまな並列環境で並列コードを実行できます。

スレッド ワーカーでの MATLAB 関数の実行

スレッドベースの並列プールを使用して MATLAB コードを高速化する。

ワーカー上での環境変数の設定

クライアントからクラスター内のワーカーにシステム環境変数をコピーする。

注目の例