主要内容
在容器中使用GPU
要利用图形处理单元（GPU）提供的性能优势，您可以在容器中使用主机系统的GPU。默认情况下，容器无法访问其主机的硬件资源。使容器能够访问NVIDIA®主机系统的GPU，您需要：
使用适当的NVIDIA GPU驱动程序在主机系统上运行容器，例如使用nvidia深度学习ami。
通过使用通过使用容器可见的主机的GPU
--GPUS.当你执行时标志Docker运行命令。将此标志设置为全部如果您希望容器可以访问主机的所有GPU。例如，运行MATLAB®容器并通过执行下面的命令，通过执行命令来对主机的GPU进行访问Docker运行 - 所有MathWorks / Matlab
检查容器访问GPU
要检查您的容器是否可以访问主机的GPU，请在容器中打开MATLAB并执行以下命令
gpudevicetable.
ANS =.2×5表索引名称computapability deviceAvailable deviceeled _____ _____________ _______________________________ ______________ 1“TITAN RTX”“7.5”真实2“Quadro K620”“5.0”真假
GPudevice.或者gpudeviceCount.反而。有关更多信息，请在此命令和如何选择特定的GPU，查看识别并选择GPU设备
（并行计算工具箱）。
使用GPU加速马铃薯草代码
通过利用其计算能力，您可以加快MATLAB代码，并并行加快MATLAB代码，例如培训神经网络。要开始，看到在GPU上运行matlab函数（并行计算工具箱）。要了解有关使用多个GPU的更多信息，并并行培训单个神经网络，请参阅在多个GPU上与Matlab进行深度学习（深度学习工具箱）。
也可以看看
gpudevicetable.（并行计算工具箱）
相关话题
您还可以从以下列表中选择一个网站：
