使用单个GPU

在单个GPU上运行计算，使用gpuArray对象作为支持GPU的MATLAB函数的输入。要了解有关支持GPU的函数的更多信息，请参阅在GPU上运行MATLAB函数.

为增长率创建gpuarray，R，以及人口，x.有关创建GPUARRAYS的更多信息，请参阅在GPU上建立阵列.

n = 1000;r = gpuarray.linspace（0,4，n）;x = rand（1，n，'gpuarray'）;

使用简单的算法迭代逻辑图。由于该算法在GPU上使用启用GPU的运算符，因此计算在GPU上运行。

数量=1000；对于n = 1：numiterations x = r。* x。*（1-x）;终止

计算完成后，绘制人口增长率图。

图（r，x，'.'）;

如果需要更高的性能，gpuArrays支持多个选项。有关列表，请参阅金宝appgpuArray功能页面。例如，该示例中的算法仅对GPUARRASE执行元素 - 明智的操作，因此您可以使用arrayfun功能将它们预计为GPU。

将多个GPU与帕弗

您可以使用帕弗要分发的循环对于-并行工作者之间的循环迭代。如果您的计算使用支持GPU的函数，那么计算将在工作程序的GPU上运行。例如，如果使用蒙特卡罗方法随机模拟总体的演化，则使用多个GPU并行计算模拟帕弗环

创建具有尽可能多的可用GPU的并行池。要确定可用GPU的数量，请使用gpudeviceCount.功能。默认情况下，Matlab为每个工人分配不同的GPU以获得最佳性能。有关在并行池中选择GPU的详细信息，请参阅在并行池中使用多个GPU.

numgpus = gpudevicecount（“可用”）;parpool（numgpus）;

正在使用“本地”配置文件启动并行池（parpool）…连接到2个工作进程。

定义模拟的数量，并在GPU中创建一个数组来存储每个模拟的总体向量。

数值模拟=100；X=零（数值模拟，N，'gpuarray'）;

使用帕弗循环将模拟分发给池中的工人。循环中的代码为初始群体创建了一个随机的GPUARRAY，并迭代Logistic地图。因为代码使用支持GPU的运算符在GPUARRASE上，所以计算自动在工作者的GPU上运行。

帕弗i = 1：numsimulation x（i，:) = rand（1，n，'gpuarray'）;对于n=1:numIterations X（i，：）=r.*X（i，：）.*（1-X（i，：）；终止终止

计算完成后，绘制所有模拟的结果。每种颜色表示不同的模拟。

图绘图（r，x，'.'）;

如果您需要更好地控制您的计算，您可以使用更高级的并行功能parallel.pool.DataQueue在计算期间从工人发送数据。例如，看到使用parfor在参数扫描期间绘图.

如果要生成可重复的随机数集，则可以控制工作人员GPU上的随机数生成。有关更多信息，请参阅控制工人的随机数流.

使用异步使用多个GPU帕菲尔

您可以使用帕菲尔在并行池工作室中异步运行计算。如果您的计算使用启用GPU的函数，则计算在工作者的GPU上运行。例如，您异步地在多个GPU上运行Monte Carlo仿真。

要在工作人员完成计算后保留计算结果，请使用future对象。为每个模拟的结果预先分配未来对象的数组。

f（NUMSIMULATION）=并行.FEVALFUTURE;

计算帕菲尔，必须将它们放置在函数中。例如MyFCN包含单个模拟的代码。

类型MyFCN

函数x=myParallelFcn（r）N=1000；x=gpuArray.rand（1，N）；numIterations=1000；对于N=1:numIterations x=r*x*（1-x）；end-end

使用对于循环通过模拟循环，并使用帕菲尔在并行池中的工作进程上异步运行它们。MyFCN在gpuarray上使用启用GPU的函数，因此它们在辅助程序的GPU上运行。因为帕菲尔异步执行计算，它不会阻塞MATLAB，您可以在计算过程中继续工作。

对于i = 1：numsimulations f（i）= parfeval（@ myparallelfcn，1，r）;终止

收集结果帕菲尔当他们准备好了，你可以使用获取输出或者下一个在未来的物体上。此外，您可以使用after或者毕竟在准备就绪时会自动调用结果上的功能。例如，在完成后立即绘制每个模拟的结果after关于未来的物体。每种颜色表示不同的模拟。

图持有在sulteAp（f，@（x）plot（r，x，'.'),0);

在群集中使用多个GPU

如果您可以访问具有多个GPU的集群，那么您可以扩大计算规模。使用帕尔普函数在群集中启动并行池。当你这样做时，并行功能，如帕弗循环或帕菲尔，在集群工作者上运行。如果您的计算使用启用GPU的函数在GPUARRASE上，那么这些函数在群集工作者的GPU上运行。要了解有关群集上运行并行功能的更多信息，请参阅从桌面缩放到群集.