GPU计算在MATLAB
加速你的代码使用基本GPU计算
加快您的代码,第一次尝试分析和vectorizing它。信息,请参阅性能和内存。分析和vectorizing之后,你也可以试着用你电脑的GPU加速你的计算。如果您想要使用的所有功能是支持GPU,您可以简单地使用金宝appgpuArray
输入数据转移到GPU,电话收集
从GPU来检索输出数据。开始使用GPU计算,看看运行在GPU MATLAB函数。
深度学习MATLAB®提供了自动并行支持多种gpu。金宝app看到深度学习与MATLAB在多个gpu(深度学习工具箱)。
功能
主题
运行MATLAB代码在GPU上
- 运行在GPU MATLAB函数
数以百计的功能在MATLAB和其它工具箱如果你提供一个自动运行在GPUgpuArray
论点。 - 识别和选择一个GPU设备
这个例子展示了如何使用gpuDevice
识别并选择您想要使用的设备。 - GPU的金宝app支持版本
金宝app支持NVIDIA®GPU的架构。 - 建立数组GPU
一个gpuArray
在MATLAB代表数组存储在GPU上。 - 在GPU上使用FFT2模拟衍射模式
这个示例使用并行计算工具箱™进行二维快速傅里叶变换(FFT)的GPU。 - 运行在多个gpu MATLAB函数
这个例子展示了如何运行MATLAB代码在多个并行gpu,首先在本地机器上,然后扩大到一个集群。 - 列车网络的使用自动Multi-GPU支持金宝app(深度学习工具箱)
这个例子展示了如何使用多个gpu深度学习培训本地机器上使用自动并行的支持。金宝app
改善GPU的性能
- 提高性能的Element-wise MATLAB®函数使用ARRAYFUN在GPU上
这个例子显示了如何arrayfun
可用于在GPU上运行一个MATLAB®函数本身。 - 提高性能的小型矩阵问题使用PAGEFUN GPU
这个例子展示了如何使用pagefun
提高应用的性能大量独立的3 d环境中对象的旋转和平移。 - 测量和提高GPU性能
在MATLAB中使用基准测试来衡量GPU的性能。 - 基准测试\ b的GPU
这个例子看我们如何基准的解决线性系统在GPU上。
了解更多
- 概要文件代码来提高性能
使用分析器测量时间运行您的代码,并确定哪些行代码使用最多的时间或行不运行。 - 向量化
修改循环,scalar-oriented代码使用MATLAB矩阵和向量操作。 - 在GPU随机数流
控制GPU的随机数流生成相同的随机数序列在CPU上。 - 生成随机数GPU
这个例子显示了如何切换不同的随机数生成器,支持GPU。金宝app - 对GPU模板操作
这个示例使用康威“生命游戏”的演示模板可以使用GPU执行操作。