运行MATLAB代码在GPU上

在GPU上运行MATLAB函数

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。

识别并选择GPU设备

这个例子展示了如何使用gpuDevice以确定并选择要使用的设备。

GPU支金宝app持情况

金宝app支持NVIDIA^®GPU架构由MATLAB发布。

在GPU上建立阵列

一个gpuArray表示存储在GPU上的数组。

在GPU上使用FFT2模拟衍射图形

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)。

在多个gpu上运行MATLAB函数

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

提高GPU性能

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。

利用PAGEFUN提高GPU上小矩阵问题的性能

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。

衡量和提高GPU性能

使用MATLAB中的基准测试来衡量GPU的性能。

对GPU上的A\b进行基准测试

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。

了解更多

分析代码以提高性能

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。

向量化

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。

GPU上的随机数流

控制GPU上的随机数流，以生成与CPU上相同的随机数序列。

在GPU上生成随机数

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

模板对GPU的操作

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。