主要内容

gpuDevice

查询或选择图形处理器设备

展开页面中的所有内容

描述

一个GPUDevice对象表示计算机中的图形处理单元(GPU)。可以使用GPU运行MATLAB®支持的代码金宝appgpuArray变量或执行CUDA内核使用CUDAKernel对象。

你可以使用GPUDevice对象来检查图形处理器设备的属性、重置图形处理器设备或等待图形处理器完成计算。获得一个GPUDevice对象,使用gpuDevice函数。选择或取消选择图形处理器设备gpuDevice函数。如果您可以访问多个图形处理器，请使用gpuDevice函数来选择要在其上执行代码的特定GPU设备。

你不需要使用GPUDevice对象来在GPU上运行函数。有关如何使用启用gpu的函数的更多信息，请参见在GPU上运行MATLAB函数．

创建

语法

gpuDevice
D = gpuDevice
D = gpuDevice (indx)
gpuDevice ([])

描述

gpuDevice显示当前选择的图形处理器设备的属性。如果当前没有选中的设备，gpuDevice选择缺省设备，不清除缺省设备。当你想检查你的GPU设备的属性时，请使用此语法。

例子

D = gpuDevice返回一个GPUDevice对象，表示当前选中的设备。如果当前没有选中的设备，gpuDevice选择默认设备并返回GPUDevice对象表示该设备，但不清除该设备。

例子

D = gpuDevice (indx）选择索引指定的GPU设备indx．如果指定的GPU设备不支持，则会报错。金宝app此语法将重置指定的设备并清除其内存，即使该设备当前已经被选中(相当于重置功能)。所有工作空间变量表示gpuArray或CUDAKernel变量现在是无效的，必须从工作区中清除或重新定义。

例子

gpuDevice ([])，带有空参数(而不是没有参数)，取消选择GPU设备并清除其内存gpuArray和CUDAKernel变量。此语法不会将GPU设备选择为当前设备。

输入参数

全部展开

GPU设备索引，取值范围为整数1来gpuDeviceCount．

例子:gpuDevice (1);

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

属性

全部展开

该属性是只读的。

图形处理器设备的名称，指定为字符数组。分配给设备的名称来源于GPU设备的型号。

该属性是只读的。

GPU设备索引，取值范围为整数1来gpuDeviceCount．使用此索引选择一个特定的GPU设备。

该属性是只读的。

GPU设备的计算能力，指定为字符数组。要在MATLAB中使用所选的GPU设备，ComputeCapability必须满足要求的规格在各版本的金宝appGPU支持．

该属性是只读的。

支持双精度操作的标金宝app志，指定为逻辑值0为假或1为真正的．

该属性是只读的。

GPU设备当前使用的驱动版本，指定为标量值。要在MATLAB中使用所选的GPU设备，DriverVersion必须满足要求的规格在各版本的金宝appGPU支持．

该属性是只读的。

CUDA工具包版本所使用的MATLAB当前发布版，指定为标量值。

该属性是只读的。

CUDAKern金宝appel执行期间每个块支持的最大线程数，指定为标量值。

例子:1024

该属性是只读的。

在CUDAKer金宝appnel执行期间，线程块可以使用的最大支持的共享内存数量，指定为一个标量值。

例子:49152

该属性是只读的。

线程块的每个维度的最大尺寸，指定为一个向量。线程块的每个尺寸都不能超过这些尺寸。另外，产品的螺纹块尺寸不得超过MaxThreadsPerBlock．

该属性是只读的。

线程块网格的最大大小，指定为矢量。

该属性是只读的。

同时执行的线程数，指定为标量值。

该属性是只读的。

设备上的总内存(以字节为单位)，指定为标量值。

该属性是只读的。

数据可用的总内存(以字节为单位)，指定为标量值。此属性仅对当前选择的设备可用。这个值可能与NVIDIA报告的值不同®系统管理接口由于内存缓存。

该属性是只读的。

设备上存在的流多处理器数量，以标量值指定。

该属性是只读的。

GPU的峰值时钟速率(以kHz为单位)，指定为一个标量值。

该属性是只读的。

设备的计算模式，指定为以下值之一。

“默认” 该设备不受限制，多个应用程序可以同时使用。MATLAB可以与其他应用程序共享设备，包括其他MATLAB会话或工作程序。
“独家线程”或“独家过程” 一次只能有一个应用程序使用该设备。虽然设备是在MATLAB中选择的，但其他应用程序不能使用它，包括其他MATLAB会话或工作程序。
“禁止” 设备无法使用。

该属性是只读的。

支持重叠传输的标志金宝app，指定为逻辑值0或1．

该属性是只读的。

指定为逻辑值的长时间运行内核的超时标志0或1．如果1，操作系统在允许CUDA内核执行的时间上设置一个上限。在此之后，CUDA驱动程序超时内核并返回一个错误。

该属性是只读的。

支持映射主机内存到金宝appCUDA地址空间的标志，指定为逻辑值0或1．

该属性是只读的。

支持的设备的标志，金宝app由逻辑值指定0或1．并不是所有的设备都支持;金宝app例如，设备不足ComputeCapability．

该属性是只读的。

可用设备的标志，由逻辑值指定0或1．此属性指示设备是否可用于当前MATLAB会话。不支金宝app持带有Device金宝appSupported的属性0总是不可用。一个设备也可能不可用，如果它ComputeMode属性设置为“独家线程”，“独家过程”,或“禁止”．

该属性是只读的。

当前所选设备的标志，由逻辑值指定0或1．

对象的功能

您可以通过以下功能识别、选择、重置或等待图形处理器设备:

gpuDeviceCount GPU设备个数
重置 复位GPU设备并清除其内存
等待(GPUDevice) 等待GPU计算完成

以下功能也可用:

parallel.gpu.GPUDevice.isAvailable (indx) 返回逻辑1或真正的如果GPU被索引指定indx支持并金宝app能够被选中。indx可以是整数或整数向量;默认的索引是当前设备。
parallel.gpu.GPUDevice.getDevice (indx) 返回一个GPUDevice对象，而不选择它。

对于完整的函数列表，请使用方法功能上的GPUDevice对象:

方法(“parallel.gpu.GPUDevice”)

你可以用下面的命令获得任何对象函数的帮助:

帮助parallel.gpu.GPUDevice。functionname

在哪里functionname是函数的名称。例如，获得帮助isAvailable类型:

帮助parallel.gpu.GPUDevice.isAvailable

例子

全部折叠

打开生活的脚本

这个例子展示了如何使用gpuDevice来识别并选择要使用的设备。

要确定计算机中有多少GPU设备可用，请使用gpuDeviceCount函数。

gpuDeviceCount (“可用”）
ans = 2

当有多个设备时，第一个是缺省值。属性检查其属性gpuDeviceTable函数来确定是否要使用该函数。

gpuDeviceTable
ans =2×5表索引名称ComputeCapability DeviceAvailable DeviceSelected  _____ _____________ _________________ _______________ ______________ 1“泰坦RTX”“7.5”真的真的2”住宅区K620”“5.0”真的假的

如果第一个设备是您想要使用的设备，您可以继续。要在GPU上运行计算，请使用gpuArray启用的功能。有关更多信息，请参见在GPU上运行MATLAB函数．

要使用其他设备，请拨打电话gpuDevice与另一个设备的索引。

gpuDevice (2)
ans = CUDADevice with properties: Name: 'Quadro K620' Index: 2 ComputeCapability: '5.0' 金宝appSupportsDouble: 1 DriverVersion: 11 ToolkitVersion: 10.2000 MaxThreadsPerBlock: 1024 MaxShmemPerBlock: 49152 MaxThreadBlockSize: [1024 1024 64] MaxGridSize: [2.1475e+09 65535 65535] SIMDWidth: 32 TotalMemory: 2.1475e+09 AvailableMemory:1.6776e+09 MultiprocessorCount: 3 ClockRateKHz: 1124000 ComputeMode: 'Default' GPUOverlapsTransfers: 1 KernelExecutionTimeout: 1 CanMapHostMemory: 1 Device金宝appSupported: 1 DeviceAvailable: 1 DeviceSelected: 1

创建代表默认GPU设备的对象。

D = gpuDevice;

查询所有可用的GPU设备的计算能力。

为ii = 1:gpuDeviceCount D = gpuDevice(ii);流(1,“设备%i具有ComputeCapability %s \n”，.．.D.Index D.ComputeCapability)结束
设备1的ComputeCapability为7.5。设备2的ComputeCapability为6.1
打开生活的脚本

如果你可以访问多个gpu，你可以使用一个并行池在多个gpu上并行执行计算。

要确定在MATLAB中可用的图形处理器的数量，请使用gpuDeviceCount函数。

availableGPUs = gpuDeviceCount (“可用”）
availableGPUs = 3

启动一个并行池，使用尽可能多的可用gpu。为了获得最佳的性能，MATLAB默认为每个worker分配一个不同的GPU。

parpool (“本地”, availableGPUs);
使用“本地”配置文件启动并行池(parpool)…连接到并行池(工人数量:3)。

要确定每个worker正在使用哪个GPU，调用gpuDevice在一个spmd块。的spmd块运行gpuDevice在每一个工人。

spmdgpuDevice结束

使用并行语言特性，例如parfor或parfeval，将您的计算分配给并行池中的工作线程。如果你使用gpuArray这些函数在worker的GPU上运行。有关更多信息，请参见在GPU上运行MATLAB函数．有关示例，请参见在多个gpu上运行MATLAB函数．

完成计算后，关闭并行池。你可以使用gcp函数获取当前并行池。

删除(gcp (“nocreate”));

如果你想使用不同的gpu选择，那么你可以使用gpuDevice使用GPU设备索引在每个worker上选择一个特定的GPU。获取系统中各GPU设备的索引gpuDeviceCount函数。

假设您的系统中有三个可用的gpu，但您希望仅使用两个进行计算。获取设备索引。

[availableGPUs, gpuIndx] = gpuDeviceCount (“可用”）
availableGPUs = 3
gpuIndx =1×31 2 3

定义你想要使用的设备的索引。

useGPUs = [1 3];

启动并行池。使用一个spmd块和gpuDevice使用设备索引将每个worker与你想要使用的一个gpu关联起来。的labindex函数标识每个工人的索引。

parpool (“本地”元素个数(useGPUs));
使用“本地”配置文件启动并行池(parpool)…连接到并行池(worker的数量:2)。
spmdgpuDevice (useGPUs (labindex));结束

作为一种最佳实践，为了获得最佳性能，为每个worker分配一个不同的GPU。

完成计算后，关闭并行池。

删除(gcp (“nocreate”));

另请参阅

||||||

主题

外部网站

介绍了R2010b

并行计算工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在