要加快代码,请先尝试分析和向量化它。有关信息,请参阅性能和记忆。分析和矢量化后,您还可以尝试使用计算机的GPU加快计算。如果GPU支持您要使用的所有功能,则可以简单地使用金宝appGPUArray.
将输入数据转移到GPU,并致电收集
从GPU检索输出数据。要开始使用GPU计算,请参阅在GPU上运行matlab函数。
对于深度学习,Matlab®为多个GPU提供自动并行支持。金宝app看在多个GPU上与MATLAB深入学习(深度学习工具箱)。
在MATLAB和其他工具箱中的数百个函数自动运行在GPU上,如果你提供一个GPUArray.
论点。
此示例显示了如何使用GPudevice.
确定并选择要使用的设备。
金宝app支持NVIDIA.®GPU架构由MATLAB发布。
一种GPUArray.
在MATLAB中表示存储在GPU上的数组。
这个例子使用并行计算工具箱™在GPU上执行二维快速傅里叶变换(FFT)。
这个例子展示了如何在多个gpu上并行运行MATLAB代码,首先在您的本地机器上,然后扩展到一个集群。
这个例子展示了如何使用自动并行支持在本地机器上使用多个gpu进行深度学习训练。金宝app
使用Arrayfun提高元素-WiseMatlab®功能的性能
这个例子展示了如何Arrayfun.
可用于在GPU上本地运行MATLAB®功能。
此示例显示了如何使用Pagefun.
提高应用大量独立旋转和翻译成3-D环境中的对象的性能。
在Matlab中使用基准测试来衡量GPU的性能。
此示例了解我们如何在GPU上求解Linear系统的基准。
使用Profiler来衡量运行代码所需的时间,并标识哪些代码行最多或哪些行不运行。
修改基于循环的标量代码以使用MATLAB矩阵和矢量操作。
控制GPU上的随机数流以生成与CPU上相同的随机数序列。
此示例显示如何在GPU支持的不同随机数生成器之间切换。金宝app
这个例子使用Conway的“Game of Life”来演示如何使用GPU执行模板操作。