GPU计算在MATLAB
加速你的代码使用基本GPU计算
加快您的代码,第一次尝试分析和vectorizing它。信息,请参阅性能和内存。分析和vectorizing之后,你也可以试着用你电脑的GPU加速你的计算。如果您想要使用的所有功能是支持GPU,您可以简单地使用金宝appgpuArray输入数据转移到GPU,电话收集从GPU来检索输出数据。开始使用GPU计算,看看运行在GPU MATLAB函数。
深度学习MATLAB®提供了自动并行支持多种gpu。金宝app看到深度学习与MATLAB在多个gpu(深度学习工具箱)。
功能
主题
运行MATLAB代码在GPU上
- 运行在GPU MATLAB函数
提供一个gpuArray在GPU参数自动运行功能。 - 识别和选择一个GPU设备
这个例子展示了如何使用gpuDevice识别并选择您想要使用的设备。 - GPU计算的需求
金宝app支持NVIDIA®GPU的架构。 - 建立数组GPU
使用gpuArray对象存储数据在GPU上的GPU和执行计算。 - 运行在多个gpu MATLAB函数
这个例子展示了如何运行MATLAB®代码在多个并行gpu,首先在本地机器上,然后扩大到一个集群。 - 使用gpu在云中运行MATLAB
利用强大的代码在云中gpu加速。 - 列车网络的使用自动Multi-GPU支持金宝app(深度学习工具箱)
这个例子展示了如何使用多个gpu深度学习培训本地机器上使用自动并行的支持。金宝app - 在GPU处理稀疏阵列
学习的条件在GPU处理稀疏阵列。 - 在GPU处理复数
学习条件应用GPU复杂函数,返回值。 - 在GPU上使用FFT2模拟衍射模式
这个示例使用并行计算工具箱™进行二维快速傅里叶变换(FFT)的GPU。
改善GPU的性能
- 测量和提高GPU性能
时间代码运行在GPU和探索提高性能的选项。 - 使用GPU和矢量化计算提高性能
这个例子向您展示了如何提高性能通过运行一个函数在CPU、GPU而不是通过vectorizing计算。 - 提高性能使用arrayfun Element-Wise MATLAB函数的GPU
这个例子展示了如何提高代码的性能通过运行在GPU使用MATLAB®功能arrayfun。 - 提高性能的小型矩阵问题使用pagefun GPU
这个例子展示了如何使用pagefun提高独立操作的性能应用于多个矩阵排列在一个多维数组。 - 基准测试\ b的GPU
这个例子看我们如何基准的解决线性系统在GPU上。
了解更多
- 概要文件代码来提高性能
使用分析器测量时间运行您的代码,并确定哪些行代码使用最多的时间或行不运行。 - 向量化
修改循环,scalar-oriented代码使用MATLAB矩阵和向量操作。 - 在GPU随机数流
控制GPU的随机数流生成相同的随机数序列在CPU上。 - 生成随机数GPU
这个例子显示了如何切换不同的随机数生成器,支持GPU。金宝app - 对GPU模板操作
这个示例使用康威“生命游戏”的演示模板可以使用GPU执行操作。 - 使用GPU锐化图像
这个例子展示了如何使用gpuArrays锐化图像和GPU-enabled功能。 - 计算了曼德尔勃特集合使用GPU-Enabled函数
这个例子展示了如何使用GPU-enabled MATLAB函数来计算一个著名的数学结构:了曼德尔勃特集合。
