加快你的MATLAB®使用NVIDIA的应用程序®任何CUDA gpu无需®编程经验。
并行计算工具箱™支持超过700个函数允许您使用GPU计算金宝app。任何GPU-su金宝apppported函数自动运行使用GPU如果你提供输入GPU数组,因此很容易转换和评价GPU计算您的应用程序的性能。
在这个视频中,看一个简短的概述,包括代码示例和基准。此外,发现选项获得GPU如果你没有在你的桌面计算环境。同时,了解部署GPU-enabled应用程序直接CUDA GPU编码器生成的代码™。
GPU计算,是一种广泛采用的技术,利用GPU加速的力量计算密集型工作流。自2010年以来,并行计算对MATLAB工具箱提供了GPU计算支持。金宝app虽然GPS最初开发的图形呈现,他们现在通常用来加速应用在科学计算等领域,工程、人工智能、和财务分析。
使用并行计算工具箱,您可以利用NVIDIA gpu,加速直接从MATLAB应用程序。MATLAB为加速计算密集型工作流提供了直接接口,在gpu上了500的功能。使用这些支持功能,您可以金宝app执行你的代码在GPU无需任何编程经验。
对于计算量问题,可以实现显著加快,使得只有少数修改现有代码。与GPU的支持并行金宝app计算工具箱,很容易确定可以使用GPU加速您的应用程序。如果您的代码包括GPU支持功能,将输入转换为GPU数金宝app组将自动执行这些功能在你的GPU。
MATLAB自动处理GPU资源分配。这样你就可以专注于您的应用程序,而无需学习任何低水平GPU计算工具。MATLAB利用GPU的数以百计的专业核心。加速性能的应用程序可以基本瘫痪。你可以取得最有效的结果,GPU执行工作流过程相当大的数据,并包含大量矢量化操作。
您可以使用GPUBench,从MathWorks文件交换。比较支持gpu的性能,使用MATLAB的数值指标标准金宝app。许多MATLAB函数,如训练网络函数,默认情况下使用任何兼容的gpu。在多个gpu来训练你的模型,你可以简单地改变一个培训直接在MATLAB选项。
如果你没有使用GPU在你的笔记本电脑或工作站,利用MATLAB的参考体系结构可以使用一个或多个GPU,在MATLAB桌面云。您还可以利用MATLAB深度学习容器从云支持NVIDIA ddx NVIDIA GPU,码头工人和其他平台支持。金宝app
如果你有许多GPU应用程序运行,或需要与GPU规模超出一台单独的机器,您可以使用MATLAB并行服务器来扩展您的工作流与GPU集群。如果你不已经有访问GPU集群,您可以利用MathWorks云中心或MATLAB并行服务器参考体系结构。
并行计算工具箱提供了额外的功能,为直接使用CUDA的代码。mexcuda函数,编译CUDA代码到一个墨西哥人文件,可以直接调用MATLAB的函数。相反,编写MATLAB代码后,您可以生成和部署准备使用CUDA代码,与CPU编码器。
生成的代码进行了优化,调用标准CUDA库和NVIDIA gpu上可以直接集成和部署。更多地了解如何充分利用GPU在MATLAB中,探索GPU计算解决方案页面。金宝搏官方网站你也可以探索MathWorks文档。函数的完整列表,给你支持和更多的例子。金宝app
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。