要加快代码速度,首先尝试对其进行分析和向量化。信息,请参阅性能和内存.在分析和矢量化之后,您还可以尝试使用计算机的GPU来加快计算速度。如果你想要使用的所有功能在GPU上都支持,你可以简单地使用金宝appgpuArray
将输入的数据传输给GPU,并调用收集
从GPU检索输出数据。要开始使用GPU计算,请参见在GPU上运行MATLAB函数.
对于深度学习,用MATLAB®为多个gpu提供自动并行支持。金宝app看到在多gpu上使用MATLAB进行深度学习(深度学习工具箱).
如果您提供支持,MATLAB和其他工具箱中的数百个功能会自动运行GPUgpuArray
争论。
这个例子展示了如何使用gpuDevice
识别并选择要使用的设备。
金宝app支持NVIDIA®Matlab发布的GPU架构。
一个gpuArray
在MATLAB中表示一个存储在GPU上的数组。
此示例使用并行计算工具箱™在GPU上执行二维快速傅里叶变换(FFT)。
此示例显示如何在本地计算机上并行地在多个GPU上运行MATLAB代码,然后将其缩放到群集。
此示例显示如何使用自动并行支持,在本地计算机上使用多个GPU进行深度学习培训。金宝app
使用ARRAYFUN在GPU上改进元素智慧的MATLAB®函数的性能
此示例显示了如何arrayfun
可以用于在GPU上原生运行MATLAB®函数。
这个例子展示了如何使用pagefun
提高在三维环境中对物体应用大量独立旋转和平移的性能。
使用MATLAB中的基准测试来测量GPU的性能。
这个例子着眼于我们如何在GPU上解决线性系统的基准。
使用Profiler来测量运行代码所花费的时间,并确定哪些代码行消耗的时间最多,或者哪些代码行不运行。
基于修正环路,面向标量的代码,用MATLAB实现矩阵和向量的运算。
控制GPU上的随机数流以生成与CPU上的相同的随机数序列。
这个例子展示了如何在GPU支持的不同随机数生成器之间切换。金宝app
此示例使用Conway的“生命游戏”来演示如何使用GPU进行模板操作。