このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
最新のGPU(グラフィックス処理装置)が提供するパフォーマンス上のメリットを利用するために,图像处理工具箱™の一部の関数はGPUでのイメージ処理の実行に対応しています。これにより,複雑なイメージ処理ワークフローにGPU高速化を提供できます。これらの手法は,設計要件やパフォーマンス上の目標を達成するために単独または組み合わせて使用できます。
GPUでイメージ処理コードを実行するには,并行计算工具箱™ソフトウェアが必要です。サポートされているイメージ処理演算をGPUで実行するには,以下の手順に従います。
データをCPUからGPUに移動します。関数gpuArray
(并行计算工具箱)を使用して,配列をMATLAB®からGPUに転送します。詳細については,既存のデータからのGPU配列の作成(并行计算工具箱)を参照してください。
GPUでイメージ処理演算を実行します。GPU対応のすべてのツールボックス関数の一覧は,GPUコンピューティングをサポートする関数を参照してください。
データをGPUからCPUに戻します。関数收集
(并行计算工具箱)を使用して,GPUから配列を取得し,その配列を通常のMATLAB配列としてMATLABワークスペースに転送します。
GPUをサポートする関数を,入力引数gpuArray
(并行计算工具箱)を1つ以上使用して呼び出した場合,その関数は自動的にGPUで実行され,結果としてgpuArray
を生成します。gpuArray
配列とMATLAB配列の両方を同じ関数呼び出しに使用して,入力を混在させることができます。この場合,関数は自動的にMATLAB配列をGPUに転送して実行します。
GPUを使用して作業する際には,以下の点に注意してください。
パフォーマンスの向上はGPUデバイスに依存します。
GPUで返される結果とCPUで返される結果はわずかに異なる場合があります。
カスタムCUDAカーネルをMATLABに直接統合して複雑なアルゴリズムを高速化する方法については,GPUでのCUDAまたはPTXコードの実行(并行计算工具箱)を参照してください。