GPU计算MATLAB
使用基本的GPU计算加速代码
为了加快代码的速度,首先尝试分析和向量化。有关信息,请参见性能和内存(MATLAB)。在分析和向量化之后,您还可以尝试使用计算机的GPU来加快计算速度。如果GPU支持你想使用的所有功能,你可以简单地使用金宝appgpuArray
将输入数据传输到GPU,并调用收集
从GPU中检索输出数据。要开始使用GPU计算,请参见在图形处理器上运行MATLAB函数。
对于深度学习,MATLAB®提供多个gpu的自动并行支持。金宝app看到基于MATLAB的多gpu深度学习(深度学习工具箱)。
功能
主题
运行MATLABGPU上的代码
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。
使用gpuDevice
来识别和选择要使用的设备。
金宝app对NVIDIA的支持®GPU架构由MATLAB发布。
一个gpuArray
在MATLAB中表示存储在GPU上的数组。
本例使用并行计算工具箱™在GPU上执行二维快速傅里叶变换(FFT)。
这个例子展示了如何在多个gpu上并行运行MATLAB代码,首先在本地机器上,然后扩展到集群。
这个例子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
提升GPU性能
使用ARRAYFUN在GPU上提高基于元素的MATLAB®函数的性能
这个例子展示了arrayfun
可用于在GPU上本机运行MATLAB®函数。
这个例子展示了如何使用pagefun
以提高对三维环境中的物体应用大量独立旋转和平移的性能。
使用MATLAB中的基准测试来测量GPU的性能。
这个例子着眼于我们如何在GPU上对线性系统的求解进行基准测试。