MATLABをColab上で実行する方法

1. はじめに

この記事では以下のようにmatlabコードをcolab上で実行することを目指します。ページの最後に今回の記事で用いたコード全体を載せていますので、ぜひご活用ください。

2. 実行環境のセットアップ

はじめに、Colabのノートブック上でMATLABを実行するための環境を整えます。ColabではGPUを無料で利用できるため、GPU実行を手軽に試すことができます。

2.1. MATLABのインストール

はじめに、MATLAB本体およびGPU計算に必要な「Parallel Computing Toolbox」をインストールします。以下のコマンドをColabのセルで実行してください。

!wget https://www.mathworks.com/mpm/glnxa64/mpm
!chmod +x mpm
!./mpm install --release=R2025a --products MATLAB Parallel_Computing_Toolbox

以下のようなログが表示されます

2.2. 認証用起動スクリプト

以下のようにディレクトリを作成し、その中に起動時に必要なスクリプトを作成します。

!mkdir -p /content/mw

%%writefile /content/mw/startup.m
disp('[startup] 認証完了 → 自動終了します');
pause(0.2);
quit

2.3. ライセンス認証

次に、インストールしたMATLABを使用するため、MathWorksアカウントでライセンス認証を行います。以下のコマンドを実行すると、対話形式の認証プロセスが開始されます。

!/usr/local/MATLAB/R2025a/bin/matlab -nodesktop -licmode onlinelicensing -sd /content/mw

実行後、画面の指示に従い、まずMathWorksアカウントのメールアドレスを入力します。

続いて、下図赤枠で示されるリンクからワンタイムパスワードを取得します。

リンクに飛ぶと以下のような画面に遷移します。ワンタイムパスワードをコピーしてください。

ワンタイムパスワードを入力欄に貼り付けることで認証が完了します。ライセンス認証に成功する以下のような画面が表示されます。処理が終わらない場合には手動で処理を終了してください。

3. 実行するMATLABコードの作成

次に実行するMATLABコードを作成します。ここでは、大規模な行列同士の積を計算させ、その処理時間をCPUとGPUのそれぞれで計測します。

以下のコードは、main.mという名前のMATLABスクリプトファイルを作成するものです。

 %%writefile main.m
 % 大規模行列積で CPU vs GPU の計算時間を比較（GPUなければCPUのみ）
 n = 4096;                    
 dtype = 'single';                
 
 % データ作成（CPUメモリ上）
 A_cpu = rand(n,n,dtype);
 B_cpu = rand(n,n,dtype);
 
 % --- CPUでの計算時間を計測 ---
 tic;
 C_cpu = A_cpu * B_cpu; %ok<NASGU>
 t_cpu = toc;
 
 % --- GPUが利用可能であれば、GPUでの計算時間を計測 ---
 if gpuDeviceCount > 0
     disp('GPUを検出しました。CPUとの性能比較を実行します。');
     g = gpuDevice; %ok<NASGU>
 
     % 計算時間のみを純粋に測るため、データはGPUメモリ上で直接生成します
     A_gpu = gpuArray.rand(n,n,dtype);
     B_gpu = gpuArray.rand(n,n,dtype);
 
     % ウォームアップ（初回実行時のオーバーヘッドを計測から除外）
     X = A_gpu * B_gpu; wait(gpuDevice); %ok<NASGU>
 
     % 本計測
     tic;
     C_gpu = A_gpu * B_gpu; %ok<NASGU>
     wait(gpuDevice); % GPUの処理が完了するのを待ちます
     t_gpu = toc;
 
     % 結果の表示
     fprintf('[CPU] %.3f s\n', t_cpu);
     fprintf('[GPU] %.3f s\n', t_gpu);
     fprintf('高速化倍率 (CPU/GPU): %.2fx\n', t_cpu / t_gpu);
 else
     disp('GPUが見つかりませんでした。CPUの計算時間のみを計測しました。');
     fprintf('[CPU] %.3f s\n', t_cpu);
 end

4. スクリプトの実行と結果の確認

最後に、作成した main.m を実行します。-batch オプションを使用することで、MATLABのGUIを立ち上げることなく、コマンドラインでスクリプトを実行し、結果を標準出力に表示させることができます。

%作成した'main.m'をバッチモードで実行します
!/usr/local/MATLAB/R2025a/bin/matlab -batch "run('main.m')" -licmode onlinelicensing

実行結果の一例を以下に示します

5. まとめ

本記事では、Colab上にMATLABの実行環境を構築し、GPUを利用して計算を高速化する具体的な手順を解説しました。こうすることで、ローカルマシンのリソースに制約されることなく、大規模な計算タスクを効率的に実行するための選択肢となります。

6. 全体コード

!wget https://www.mathworks.com/mpm/glnxa64/mpm
!chmod +x mpm
!./mpm install --release=R2025a --products MATLAB Parallel_Computing_Toolbox

!mkdir -p /content/mw

 Commented out IPython magic to ensure Python compatibility.
 %%writefile /content/mw/startup.m
 disp('[startup] 認証完了 → 自動終了します');
 pause(0.2);
 quit

!/usr/local/MATLAB/R2025a/bin/matlab -nodesktop -licmode onlinelicensing -sd /content/mw

 Commented out IPython magic to ensure Python compatibility.
 %%writefile main.m
 % 大規模行列積で CPU vs GPU の計算時間を比較（GPUなければCPUのみ）
 n = 4096;                   % きつければ 2048 に下げて
 dtype = 'single';           % GPU向けに単精度
 
 % データ作成（CPU）
 A_cpu = rand(n,n,dtype);
 B_cpu = rand(n,n,dtype);
 
 % --- CPU計測 ---
 tic;
 C_cpu = A_cpu * B_cpu; %ok<NASGU>
 t_cpu = toc;
 
 % --- GPU計測（あれば） ---
 if gpuDeviceCount > 0
     disp('GPU検出: 比較を実行します');
     g = gpuDevice; %ok<NASGU>
     % 計算だけの時間を測るため、データはGPU上で生成（転送時間を排除）
     A_gpu = gpuArray.rand(n,n,dtype);
     B_gpu = gpuArray.rand(n,n,dtype);
     % ウォームアップ（初回オーバーヘッドを除外）
     X = A_gpu * B_gpu; wait(gpuDevice); %ok<NASGU>
     % 本計測
     tic;
     C_gpu = A_gpu * B_gpu; %ok<NASGU>
     wait(gpuDevice);
     t_gpu = toc;
 
     fprintf('[CPU]  %.3f s\n', t_cpu);
     fprintf('[GPU]  %.3f s\n', t_gpu);
     fprintf('Speedup (CPU/GPU): %.2fx\n', t_cpu / t_gpu);
 else
     disp('GPUが見つからないためCPUのみ計測しました。');
     fprintf('[CPU]  %.3f s\n', t_cpu);
 end

!/usr/local/MATLAB/R2025a/bin/matlab -batch "run('main.m')" -licmode onlinelicensing