主要内容
GPU上的图像处理
为了利用现代图形处理单元（GPU）提供的性能优势，已经启用了某些图像处理工具箱™功能以在GPU上执行图像处理操作。这可以为复杂图像处理工作流提供GPU加速。这些技术可以专门或组合实现，以满足设计要求和性能目标。
要在图形处理单元（GPU）上运行图像处理代码，必须具有并行计算工具箱™软件。要在GPU上执行支持的图像金宝app处理操作，请按照下列步骤操作：
将数据从CPU移动到GPU。使用
GPUArray.（并行计算工具箱）从MATLAB传输数组的功能®到GPU。有关更多信息，请参阅从现有数据创建GPU阵列（并行计算工具箱）。在GPU上执行图像处理操作。有关已启用GPU的所有工具箱功能的列表，请参阅支持GPU计算的功能金宝app。
将数据从GPU移动回CPU。使用
收集（并行计算工具箱）函数从GPU检索数组并将数组传输到MATLAB工作区作为常规MATLAB阵列。
如果您使用至少一个调用GPU支持的函数金宝appGPUArray.（并行计算工具箱）输入参数，然后该函数在GPU上自动运行并生成一个GPUArray.作为结果。您可以使用两者混合输入GPUArray.和matlab阵列在相同的函数调用中。在这种情况下，该函数会自动将MATLAB阵列传输到GPU以进行执行。
使用GPU时，请注意以下内容：
性能改进可以取决于GPU设备。
从CPU上返回的GPU上返回的结果可能存在较小的差异。
了解将自定义CUDA内核直接集成到MATLAB中以加速复杂算法，请参阅在GPU上运行CUDA或PTX代码（并行计算工具箱）。
也可以看看
收集（并行计算工具箱）|GPUArray.（并行计算工具箱）
相关例子
更多关于
- 在GPU上运行matlab函数（并行计算工具箱）
- 支持GPU计算的功能金宝app
您还可以从以下列表中选择一个网站：
