主要内容
GPU加速算法
使用基本GPU计算加速你的代码
要加快代码速度，可以尝试使用计算机的GPU。如果图形处理器支持您想要使用的所有功能，您可以简单地使用金宝appgpuArray函数将输入数据传输到GPU，调用收集函数从GPU检索输出数据。对于深度学习，MATLAB®为多个gpu提供自动并行支持。金宝app您需要使用并行计算工具箱™来启用GPU支持。金宝app
有关接受GPU阵列的函数列表，请参见功能列表(GPU阵列)．
主题
在GPU上运行MATLAB函数(并行计算工具箱)
MATLAB和其他工具箱中的数百个函数在GPU上自动运行，如果你提供一个gpuArray(并行计算工具箱)参数。
GPU支金宝app持情况(并行计算工具箱)
金宝app支持NVIDIA®GPU架构由MATLAB发布。
在多个gpu上运行MATLAB函数(并行计算工具箱)
这个示例展示了如何在多个gpu上并行运行MATLAB代码，首先是在本地机器上，然后扩展到集群。
基于MATLAB的多gpu深度学习(深度学习工具箱)
使用本地或云中的多个gpu加速深度神经网络训练。
使用深度学习的行人和自行车分类(雷达工具箱)
利用深度学习网络和时频分析，根据行人和骑自行车者的微多普勒特征进行分类。
深度学习标度图的GPU加速(小波工具箱)
使用GPU加速信号分类的特征提取。
相关信息
你也可以从以下列表中选择一个网站:
