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

全部展开

关键的函数和类

`gpuArray`	数组存储在GPU上
`收集`	分布式阵列或gpuArray转移到本地工作区
`gpuDevice`	查询或选择一个GPU设备
`GPUDeviceManager`	经理GPU设备

GPU-Specific功能

`gpuDeviceCount`	GPU设备数量
`gpuDeviceTable`	表的属性的GPU设备
`重置`	重置GPU设备和清晰的记忆
`等待(GPUDevice)`	等待GPU计算完成
`gputimeit`	所需的时间在GPU上运行功能
`existsOnGPU`	确定gpuArray或CUDAKernel GPU
`isgpuarray`	确定输入是否`gpuArray`
`arrayfun`	在GPU上应用函数数组的每个元素
`pagefun`	功能适用于分布式或GPU数组的每一页
`gpurng`	控制随机数生成GPU计算
`parallel.gpu.RandStream`	在GPU随机数流
`parallel.gpu.enableCUDAForwardCompatibility`	查询和设置为GPU设备向前兼容性

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。