跑MATLAB软件在GPU功能
MATLAB软件与gpuArray参数的函数
数百个功能的MATLAB®如果您提供通用论点。
A=gpuArray（[1 0 1；-1-2 0；0 1-1]）；e=eig（A）；
当您使用至少一个gpuArray作为数据输入参数调用这些函数时，该函数将在GPU上执行。该函数生成一个gpuArray作为结果，除非返回的MATLAB数据更合适（例如，尺寸). 可以在同一个函数调用中使用gpuArray和MATLAB数组混合输入。要了解函数何时在GPU或CPU上运行的详细信息，请参阅特殊条件gpuArray输入. 启用GPU的功能包括离散傅里叶变换(FFT)，矩阵乘法(mtimes），左矩阵分裂（mldivide)，以及其他数百个。有关详细信息，请参见检查GPU支持的功能金宝app。
检查GPU支持的功能金宝app
如果MATLAB功能有gpuArrays支持，您可金宝app以参考它的功能页面上附加GPU使用信息。看到GPU阵列在里面扩展功能在功能页面的末端部分。
小费
对于MATLAB的过滤列表的支持GPU阵列，请参见金宝app功能列表（GPU-阵列）。
几个MATLAB工具箱包括内置GPU支持与功能。金宝app要查看的所有功能列出这些工具箱的支持gpuArrays，使用链接如下表所示。金宝app在预警指标列表功能有局限性或使用注意事项具体到在GPU上运行的功能。您可以查看使用说明和限制了所有的功能页面的扩展功能部分。有关更新个人启用GPU的功能的信息，请参阅发行说明。
| 工具箱名称 | 与gpuArray支持功能列表金宝app |
|---|---|
| MATLAB软件 | 与gpuArray支持功能金宝app |
| 统计和机器学习工具箱™ | 与gpuArray支持功能金宝app |
| 图像处理工具箱™ | 与gpuArray支持功能金宝app |
| 深度学习工具箱™ | *（也可以看看深度学习与GPU的） |
| 计算机视觉工具箱™ | 与gpuArray支持功能金宝app |
| 通讯工具箱™ | 与gpuArray支持功能金宝app |
| 讯号处理工具箱™ | 与gpuArray支持功能金宝app |
| 音频工具箱™ | 与gpuArray支持功能金宝app |
| 小波工具箱™ | 与gpuArray支持功能金宝app |
| 曲线拟合工具箱™ | 与gpuArray支持功能金宝app |
您可以从所有MathWorks的浏览G金宝appPU支持的功能®下载188bet金宝搏产品通过以下链接：GPU支金宝app持的功能。另外，您也可以按产品进行过滤。在帮助栏，单击功能。在功能列表中，浏览左窗格中选择一个产品，例如，MATLAB。在左侧窗格的底部，选择GPU阵列。如果选择一个产品，没有启用GPU的功能，那么GPU阵列过滤不可用。
深度学习与GPU的
对于深度学习工具箱中的许多功能，GPU的支持是自动的，如果你有一个合适的GPU和并行计算工具箱™。金宝app你并不需要将数据转换为gpuArray。以下是，默认情况下，在GPU（如果可用）运行函数的不完全名单。
有关在深学习工具箱自动GPU支持的更多信息，请参阅金宝app深度学习与大数据在GPU和并行（深学习工具箱）。
对于先进的网络和工作流，使用网络定义为数据链路网络对象或模型函数，将数据转换为gpuArray。使用与gpuArray支持功能金宝app运行在GPU上的定制培训循环或预测。
检查或选择一个GPU
如果你有一个GPU，那么MATLAB会自动将其用于GPU计算。您可以使用检查你的GPU学生功能。如果你有多个GPU，那么你可以使用学生选择其中的一个，或者使用多个GPU与并行库。对于一个示例，请参见识别并选择一个GPU和使用多个GPU在并行池. 要检查是否支持GPU，请参阅金宝appGPU发金宝app布支持。
对于深度学习，MATLAB提供了多GPU并行自动支持。金宝app看到深度学习与MATLAB在多GPU（深学习工具箱）。
与使用GPU功能的MATLAB
这个例子说明了如何使用启用GPU-功能的MATLAB与gpuArrays操作。您可以检查使用的GPU的性能学生功能。
学生
ans=cudDevice，带属性：Name:'GeForce GTX 1080'索引：1可计算性：'6.1'支持：1驱动版本：10.1000 toolkit版本：10.1000 max金宝appshreadsperblock:1024 MaxShmemPerBlock:49152 maxshreadblocksize:[1024 1024 64]MaxGridSize:[2.1475e+09 65535 65535]SIMDWidth:32总内存：8.5899e+09可用内存：6.9012e+09多处理器计数：20时钟频率kHz:1733500计算机代码：“默认”GPUOverlapsTransfers:1内核执行超时：1 CanMapHostMemory:1设备支持：1设备选择：1
创建重复的值从-15至15将其传送到GPU，并创建一个gpuArray一个行向量，使用通用功能。
X=[-15:15 0-15:15 0-15:15]；gpuX=gpuArray（X）；whos平均用户体验
名称大小字节类属性gpuX 1x95 4 gpuArray
与gpuArrays操作，使用任何支持GPU-MATLAB功能。MATLAB自动运行在GPU上计算。欲了解更多信息，请参阅在GPU上运行MATLAB功能. 例如，使用诊断，expm，国防部，回合，ABS和fliplr。
gpuE = expm（DIAG（gpuX，-1））* expm（DIAG（gpuX，1））;gpuM = MOD（圆（ABS（gpuE）），2）;gpuF = gpuM + fliplr（gpuM）;
绘制的结果。
于imagesc（gpuF）;颜色表（翻转（灰色））;
如果需要从GPU传输数据，请使用收集。收集回来的CPU可能是昂贵的，并且通常是没有必要的，除非你需要与不支持gpuArray函数使用你的结果。金宝app
导致=聚集（gpuF）;谁是结果
名称大小字节类属性的结果96x96的73728双
一般有可能在结果的差异，如果你的CPU上运行的代码，由于数值精度和GPU和CPU之间的差异算法。CPU和GPU的答案都同样有效浮点近似真实分析结果，计算期间具有经受了不同的舍入。在这个例子中，结果是整数，回合消除舍入错误。
锐化图像使用GPU
此示例演示如何使用gpuarray和启用GPU的函数锐化图像。
读取图像，并利用其发送给GPU通用功能。
图像=gpuArray（imread('胡椒.png'));
将图像转换为双倍，并应用卷积来获得梯度图像。然后，使用渐变图像，将图像锐化为量。
DIMAGE = im2double（图像）;梯度= CONVN（DIMAGE，酮（3）./ 9，'相同')-convn（尺寸，1（5）。/25，'相同'）;量= 5;锐化= DIMAGE +量*梯度。
调整大小，打印并比较原始图像和锐化图像。
imshow（imresize（[尺寸，锐化]，0.7））；标题(“原始图像（左）与锐化后的图像（右）”）;
使用启用GPU的函数计算Mandelbrot集
这个例子展示了如何使用启用GPU的MATLAB函数来计算一个著名的数学结构：Mandelbrot集。使用学生功能。
定义参数。曼德尔布罗算法遍历的实部和虚部的网格。下面的代码定义的迭代中，网格尺寸和网格限值的数量。
maxIterations = 500;gridSize = 1000;XLIM = [-0.748766713922161，-0.748766707771757];ylim = [0.123640844894862，0.123640851045266];
您可以使用通用功能将数据传送到GPU，并创建一个通用，也可以直接在GPU上创建数组。通用提供可用于创建数据数组的许多函数的GPU版本，例如linspace。欲了解更多信息，请参阅创建GPU直接阵列。
X = gpuArray.linspace（XLIM（1），XLIM（2），gridSize）;Y = gpuArray.linspace（ylim（1），ylim（2），gridSize）;谁是Xÿ
名称大小字节类属性x 1x1000 4 gpuArray y 1x1000 4 gpuArray
许多MATLAB功能支持gpuArrays。金宝app当您提供一个gpuArray参数到任何支持GPU功能，该功能在GPU上自动运行。欲了解更多信息，请参阅在GPU上运行MATLAB功能. 为算法创建一个复杂的网格，并创建数组计数为了结果。若要直接在GPU上创建此数组，请使用一个工作，并指定'gpuArray'。
[XGRID，YGRID] = meshgrid（X，Y）;Z0 =络合物（XGRID，YGRID）;计数=酮（大小（Z0），'gpuArray'）;
下面的代码使用启用GPU的函数实现Mandelbrot算法。因为代码使用gpuarray，所以计算在GPU上进行。
Z = Z0;对于N = 0：maxIterations Z = Z * Z + Z 0;内部= ABS（Z）<= 2;计数=计数+内部;结束计数= LOG（计数）;
当计算完成后，绘制的结果。
图像c（x，y，count）颜色映射（[jet（）；flipud（jet（））；0 0 0]）；轴离
与一个GPU稀疏矩阵工作
以下函数支持稀疏gpuarray。金宝app
ABS角度BICG BICGSTAB小区CGS classUnderlying连词ctranspose deg2rad诊断结束的expm1找到修复地板全GMRES gpuArray.speye IMAG isaUnderlying isdiag的isEmpty |
ISEQUAL isequaln isfloat isinteger ISLOGICAL ISNUMERIC伊斯雷尔issparse istril istriu长度log1p LSQR减去mtimes为ndims nextpow2 NNZ非零范数numel nzmax PCG |
加上QMR rad2deg真正realsqrt圆形标志尺寸稀疏spfun spones sprandsym开方和TFQMR倍（。*）跟踪转TRIL triu UMINUS UPLUS |
您可以通过调用疏使用gpuArray输入，或通过调用通用具有稀疏输入。例如，
X = [0 1 0 0 0;0 0 0 0 1]
0 1 0 0 0 0 0 0 0 1
S =稀疏（x）的
（1,2）1（2,5）1
G = gpuArray（S）;％G是稀疏gpuArraygt=转置（g）；％GT是一个稀疏gpuArrayf =完全（GT）％f是一个完整的gpuArray
0 0 1 0 0 0 0 0 0 1
稀疏gpuArrays不支持索引。金宝app取而代之的是，使用找来定位该阵列和其行和列索引的非零元素。然后，替换你想要的值，并建立一个新的稀疏gpuArray。
与一个GPU复数起作用
如果在GPU上运行的函数的输出可能是复杂的，你必须明确指定其输入参数一样复杂。这适用于通用或调用由运行的代码中调用的函数arrayfun。
例如，如果创建一个gpuArray可能有负面因素，使用G=gpuArray（复合物（p）），那么你就可以成功执行SQRT（G）。
或者，在一个函数传递给arrayfun如果X是实数的向量，并且一些元件具有负值，平方英尺（x）产生一个错误;相反，你应该叫sqrt（复合物（x））。
如果结果是一个复杂数据的gpuArray，并且所有的虚部都为零，那么这些部分将被保留，并且数据保持复杂。使用时可能会产生影响分类，是真实的，等等。
下表列出了可能返回的复杂数据，有超过其输出保持实际的输入范围内沿的功能。
| 功能 | 输入范围为真正的输出 |
|---|---|
ACOS（x）的 |
abs（x）<=1 |
ACOSH（x）的 |
X> = 1 |
acoth（x）的 |
绝对值（x）>=1 |
acsc（x） |
绝对值（x）>=1 |
ASEC（x）的 |
绝对值（x）>=1 |
asech（x）的 |
0 <= X <= 1 |
ASIN（x）的 |
abs（x）<=1 |
ATANH（x）的 |
abs（x）<=1 |
日志（X） |
X> = 0 |
log1p（x）的 |
X> = -1 |
对数10（x） |
X> = 0 |
对数2（x） |
X> = 0 |
功率（X，Y） |
X> = 0 |
reallog（x）的 |
X> = 0 |
realsqrt（x）的 |
X> = 0 |
平方英尺（x） |
X> = 0 |
特殊条件gpuArray输入
启用GPU的功能仅在数据位于GPU上时在GPU上运行。例如，以下代码在GPU上运行，因为数据（第一个输入）在GPU上：
>>总和（gpuArray（魔（10）），2）;
>>和（魔法（10），gpuArray（2））；
致谢
岩浆是利用GPU加速的线性代数例程库。并行计算工具箱中为gpuarray实现的线性代数函数利用MAGMA实现了高性能和高精度。
也可以看看
相关的例子
更多关于
您还可以选择从下面的列表中的网站：
