要加快代码速度,首先尝试分析和向量化代码。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。如果图形处理器支持您想要使用的所有功能,您可以直接使用金宝appgpuArray
向GPU传输输入数据,调用收集
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看到基于MATLAB的多gpu深度学习(深度学习工具箱).
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
论点。
这个例子展示了如何使用gpuDevice
以确定并选择要使用的设备。
金宝app支持NVIDIA®GPU架构由MATLAB发布。
一个gpuArray
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。
使用自动多gpu支持训练网络金宝app(深度学习工具箱)
这个示例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MATLAB函数在GPU上的元素性能
这个例子展示了arrayfun
可以用来在GPU上运行MATLAB®函数。
这个例子展示了如何使用pagefun
以提高在三维环境中对物体进行大量独立旋转和平移的性能。
使用MATLAB中的基准测试来衡量GPU的性能。
这个例子着眼于我们如何在GPU上对线性系统进行基准测试。
使用Profiler来衡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,哪些代码行不运行。
修改基于循环、面向标量的代码,使用MATLAB进行矩阵和向量运算。
控制GPU上的随机数流,以生成与CPU上相同的随机数序列。
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
这个例子使用了Conway的“Game of Life”来演示如何使用GPU执行模板操作。