MATLAB GPU计算支持金宝app
NVIDIA CUDA的GPU的启用
执行支持CUDA的计算MATLAB上的NVIDIA GPU
MATLAB®让您使用NVIDIA®GPU来加速AI，深度学习，以及其它计算密集型分析，而不必是CUDA®程序员。使用MATLAB和并行计算工具箱™，您可以：
- 使用NVIDIA图形芯片直接从MATLAB有超过500内置功能。
- 在桌面上，计算集群和云使用MATLAB工人和MATLAB并行服务器™访问多个GPU。
- 生成CUDA从MATLAB部署到使用GPU编码器™数据中心，云和嵌入式设备直接代码。
- 生成从MATLAB NVIDIA TensorRT™代码为低延迟和高吞吐量的推理与GPU编码器。
- 部署MATLAB AI应用程序启用NVIDIA数据中心使用MATLAB生产服务器™企业系统集成。
“我们的遗留代码了长达40分钟来分析一个风洞试验;通过使用MATLAB和GPU，计算现在时间是一分钟。它花了30分钟就搞定了我们的MATLAB算法工作的GPU-没有需要低级别的CUDA编程。”
克里斯托弗·巴哈尔，NASA
使用MATLAB GPU计算
开发，规模和部署深入学习模式与MATLAB
MATLAB允许单个用户实现一个终端到终端的工作流程来开发和使用Deep学习工具箱™培养深度学习模型。然后，您可以大规模的培训使用使用并行计算工具箱部署云和集群的资源和MATLAB并行服务器，并使用GPU编码器数据中心或嵌入式设备。
开发深度学习和其他计算上与图形处理器密集型分析
MATLAB是AI和深发展的学习结束到终端的工作流平台。MATLAB提供的工具和应用程序导入训练数据，可视化和调试，培训缩放细胞神经网络和部署。
扩展到桌面上，云和集群额外的计算和GPU资源用一行代码。
测试你自己的CPU和GPU硬件使用gpuBench。
在GPU上以最少的代码更改量表MATLAB
在NVIDIA GPU上运行MATLAB代码中使用超过500个支持CUDA的MATLAB功能。利用GPU启用在工具箱功能应用，如深学习，机器学习，计算机视觉和信号处理。并行计算工具箱提供gpuArray，一个特殊的阵列型与相关联的功能，它可以让你上执行计算，CUDA启用直接的NVIDIA GPU从MATLAB，而无需学习低电平GPU计算库。
工程师们可以使用GPU资源，而无需编写任何额外的代码，使他们能够专注于他们的应用程序，而不是性能优化。
使用并行语言构造这样PARFOR和SPMD您可以在多个GPU进行计算。培训上多GPU的模式正在改变训练选项的一个简单的事情。
MATLAB，您还可以集成现有的CUDA内核到MATLAB应用程序，而无需任何额外的C语言编程。
部署生成的代码CUDA从MATLAB的推理部署与TensorRT
使用GPU编码器，以生成从深学习，嵌入式视觉和自治系统MATLAB代码优化的CUDA代码。所生成的代码自动调用优化NVIDIA CUDA库，包括TensorRT，cuDNN和CUBLAS，与低延迟和高吞吐量在NVIDIA GPU上运行。将生成的代码到你的项目源代码，静态库或动态库，并部署他们在GPU上，如NVIDIA沃尔特运行®，NVIDIA特斯拉®，NVIDIA特森®和NVIDIA DRIVE®。
获取免费试用
30天唾手可得的探索。
