GPU支金宝app持版本
用MATLAB来使用你的GPU®，你必须安装一个最新的图形驱动程序。最佳实践是确保您的设备拥有最新的驱动程序。安装驱动程序对于MATLAB中大多数gpu的使用是足够的，包括gpuArray和gpu支持的MATLAB函数。您可以下载最新的驱动程序为您的GPU设备英伟达驱动程序下载．
金宝app支持gpu
查看对NVID金宝appIA的支持®GPU架构由MATLAB发布，参考下表。
的cc数字表示GPU架构的计算能力。检查您的GPU计算能力，请参见ComputeCapability的输出中gpuDevice函数。另外,看到CUDA gpu(英伟达)．
| MATLAB版本 | 安培(cc8.x) | 图灵(cc7.5) | 沃尔特(cc7.0 cc7.2) | 帕斯卡(cc6.x) | 麦克斯韦(cc5.x) | 开普勒(cc3.5 cc3.7) | 开普勒(cc3.0 cc3.2) | 费米(cc2.x) | 特斯拉(cc1.3) | CUDA®工具箱版本 |
|---|---|---|---|---|---|---|---|---|---|---|
| R2021a |
|
|
|
|
|
|
11.0 | |||
| R2020b |
|
|
|
|
|
|
|
10.2 | ||
| R2020a |
|
|
|
|
|
|
|
10．1 | ||
| R2019b |
|
|
|
|
|
|
|
10．1 | ||
| R2019a |
|
|
|
|
|
|
|
10.0 | ||
| R2018b |
|
|
|
|
|
|
|
9．1 | ||
| R2018a |
|
|
|
|
|
|
|
9.0 | ||
| R2017b |
|
|
|
|
|
|
|
|
8．0 | |
| R2017a |
|
|
|
|
|
|
|
|
8．0 | |
| R2016b |
|
|
|
|
|
|
|
|
7．5 | |
| R2016a |
|
|
|
|
|
|
|
|
7．5 | |
| R2015b |
|
|
|
|
|
|
|
|
7.0 | |
| R2015a |
|
|
|
|
|
|
|
|
6．5 | |
| R2014b |
|
|
|
|
|
|
|
|
6．0 | |
| R2014a |
|
|
|
|
|
|
|
|
|
5．5 |
| R2013b |
|
|
|
|
|
|
|
|
|
5．0 |
| R2013a |
|
|
|
|
|
|
|
|
|
5．0 |
| R2012b |
|
|
|
|
|
|
|
|
|
4．2 |
| R2012a |
|
|
|
|
|
|
|
|
|
4．0 |
| R2011b |
|
|
|
|
|
|
|
|
|
4．0 |
-内置二进制支持。金宝app
-对金宝app开普勒和麦克斯韦GPU架构的支持将在未来的版本中移除。届时，使用带有MATLAB的GPU将需要具有6.0或更高计算能力的GPU设备。MATLAB会在你第一次使用开普勒或麦克斯韦GPU时生成一个警告。
—前金宝app向兼容性。优化的设备库必须在运行时从未优化的版本编译。金宝app支持可能是有限的，您可能会看到错误和意外的行为。有关更多信息，请参见GPU设备前向兼容性．
—默认情况下，不支持该架构。金宝app开启GPU设备前向兼容性可以开金宝app启对GPU设备的支持。您可能会看到错误和意外的行为。有关更多信息，请参见GPU设备前向兼容性．
CUDA工具包
如果你想从CU代码中生成CUDA内核对象，或者使用GPU Coder™编译CUDA兼容的源代码、库和可执行文件，你必须安装CUDA工具包。CUDA工具包包含CUDA库和编译工具。你不需要工具箱在GPU上运行MATLAB函数或生成CUDA启用的MEX函数。
| 任务 | 需求 |
|---|---|
获取最新的图形驱动程序英伟达驱动程序下载． 你也不需要CUDA工具包。 |
|
|
安装你的MATLAB版本所支持的CUDA工具包版本。金宝app |
*在MATLAB中创建CUDA内核对象，你必须有CU文件和相应的PTX文件。从CU文件编译PTX文件需要CUDA工具包。如果您已经有相应的PTX文件，则不需要工具箱。
有关在MATLAB中生成CUDA代码的更多信息，请参见运行包含CUDA代码的mex函数和在GPU上运行CUDA或PTX代码．并不是CUDA Toolkit支持的金宝app所有编译器都在MATLAB中得到支持。
您需要的工具包版本取决于您正在使用的MATLAB版本。中，检查工具包的哪个版本与您的MATLAB版本的版本兼容金宝app支持gpu．推荐的最佳实践是使用您支持的工具包的最新版本，包括来自NVIDIA的任何更新和补丁。金宝app
有关CUDA Toolkit的更多信息和下载您支持的版本，请参见金宝appCUDA工具箱档案(英伟达）．
GPU设备前向兼容性
请注意
从R2020b开始，GPU设备的前向兼容性默认关闭。
在R2020a和更早的版本中，你不能禁用GPU设备的前向兼容性。
通过在运行时重新编译设备库，向前兼容性允许你使用一个在你的MATLAB版本构建之后发布的架构的GPU设备。
当前向兼容性启用时，当你第一次访问一个架构比你的MATLAB版本更新的设备时，CUDA驱动程序会重新编译GPU库。重新编译可能需要一个小时。增加CUDA缓存的大小以防止这种延迟的重复发生。说明,请参阅增加CUDA缓存大小．
当前向兼容性被禁用时，您无法使用GPU设备执行计算，该GPU设备的架构是在您正在使用的MATLAB版本构建之后发布的。如果你想在MATLAB中使用这个GPU设备，你必须启用前向兼容性。
谨慎
启用前向兼容性会导致在GPU计算过程中出现错误答案和意外行为。
设备库重新编译的成功程度取决于设备架构和MATLAB使用的CUDA版本。在某些情况下，前向兼容性不能像预期的那样工作，重新编译库会导致错误。
例如，从CUDA版本10.0-10.2 (MATLAB版本R2019a, R2019b, R2020a，和R2020b)到Ampere(计算能力8.x)的正向兼容性只有有限的功能。
您可以通过以下方式开启GPU设备前向兼容性。
使用的函数
parallel.gpu.enableCUDAForwardCompatibility．使用此方法实现前向兼容性在MATLAB会话之间不是持久的。设置环境变量
MW_CUDA_FORWARD_COMPATIBILITY来1．这样可以保持MATLAB会话之间的前向兼容性。如果在MATLAB运行时更改了环境变量，则必须重新启动MATLAB才能看到效果。在客户机上，可以使用setenv设置环境变量。然后，您可以将环境变量从客户机复制到工作者，以便工作者以与客户机相同的方式执行计算。如需更多信息，请使用在工人上设置环境变量．
增加了CUDA缓存大小
如果你的GPU架构在你的MATLAB版本中没有内置的二进制支持，图形驱动程序必须编译和缓存GPU库。金宝app当您第一次从MATLAB访问GPU时，这个过程可能需要长达一个小时。为了增加CUDA缓存的大小来防止这种延迟的重复，设置环境变量CUDA_CACHE_MAXSIZE至少536870912(512 MB)。在客户机上，可以使用setenv设置环境变量。然后，您可以将环境变量从客户机复制到工作者，以便工作者以与客户机相同的方式执行计算。如需更多信息，请使用在工人上设置环境变量．
相关的话题
外部网站
你也可以从以下列表中选择一个网站:
