主要内容

nndata2gpu

格式化神经数据，高效的GPU训练或模拟

语法

nndata2gpu (x)
[Y, Q, N, TS] = nndata2gpu (X)
nndata2gpu (X,精度)

描述

nndata2gpu需要并行计算工具箱™。

nndata2gpu (x)以一个N——- - - - - -问矩阵X的问N-element列向量，以一种形式返回，用于当前GPU设备上的神经网络训练和仿真。

的N——- - - - - -问矩阵变成了QQ——- - - - - -NgpuArray哪里QQ是问四舍五入到下一个32的倍数额外的行(Q + 1): QQ充满了南值。gpuArray具有相同的精度(“单一”或“双”),X．

[Y, Q, N, TS] = nndata2gpu (X)也可以采取米——- - - - - -TS单元阵列的米信号在TS时间的步骤。的每个元素X{我,ts}应该是一个倪——- - - - - -问矩阵的问倪-元素向量，表示我时间步长的信号向量ts,在所有问时间序列。在本例中，gpuArrayY返回的是QQ——- - - - - -(和(Ni) * TS)．维倪，问,TS还可以返回，以便他们可以使用gpu2nndata执行反向格式化。

nndata2gpu (X,精度)指定gpuArray的默认精度，可以为“双”或“单一”．

例子

将矩阵复制到GPU并返回:

X = rand(5,6) [y,q] = nndata2gpu(X) x2 = gpu2nndata(y,q)

复制神经网络单元阵列数据，表示4个时间序列，每个时间序列由2元和3元信号的5个时间步组成:

X = nndata([2;3]，4,5) [y,q,n,ts] = nndata2gpu(X) x2 = gpu2nndata(y,q,n,ts)

另请参阅

介绍了R2012b

深度学习工具箱文档

金宝app

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书