GPU通金宝app过发布支持
使用您的GPU与MATLAB®，您必须安装最新的显卡驱动程序。最佳实践是确保您的设备有最新的驱动程序。对于MATLAB中的gpu的大多数使用，安装驱动程序就足够了，包括gpuArray和gpu支持的MATLAB函数。您可以为GPU设备下载最新的驱动程序英伟达驱动程序下载．
金宝app支持GPU
看到对NVID金宝appIA的支持®MATLAB发布的GPU架构，请咨询下表。
的cc数字显示GPU架构的计算能力。要检查GPU计算能力，请参阅ComputeCapability属性的输出中gpuDeviceTable和gpuDevice功能。另外,看到CUDA gpu(英伟达)．
| MATLAB版本 | 安培(cc8.x) | 图灵(cc7.5) | 沃尔特(cc7.0 cc7.2) | 帕斯卡(cc6.x) | 麦克斯韦(cc5.x) | epperer（CC3.5，CC3.7） | 开普勒（CC3.0，CC3.2） | 费米(cc2.x) | 特斯拉（CC1.3） | CUDA®工具包版本 |
|---|---|---|---|---|---|---|---|---|---|---|
| R2021b |
|
|
|
|
|
|
11.0 | |||
| R2021a |
|
|
|
|
|
|
11.0 | |||
| R2020b |
|
|
|
|
|
|
|
10．2 | ||
| R2020a |
|
|
|
|
|
|
|
10．1 | ||
| R2019B. |
|
|
|
|
|
|
|
10．1 | ||
| R2019A |
|
|
|
|
|
|
|
10．0 | ||
| R2018B. |
|
|
|
|
|
|
|
9.1 | ||
| R2018A |
|
|
|
|
|
|
|
9.0 | ||
| R2017b |
|
|
|
|
|
|
|
|
8.0 | |
| R2017a |
|
|
|
|
|
|
|
|
8.0 | |
| R2016b |
|
|
|
|
|
|
|
|
7．5 | |
| R2016a |
|
|
|
|
|
|
|
|
7．5 | |
| R2015b |
|
|
|
|
|
|
|
|
7．0 | |
| R2015a |
|
|
|
|
|
|
|
|
6．5 | |
| R2014b |
|
|
|
|
|
|
|
|
6．0 | |
| R2014a |
|
|
|
|
|
|
|
|
|
5．5 |
| R2013b |
|
|
|
|
|
|
|
|
|
5．0 |
| R2013a |
|
|
|
|
|
|
|
|
|
5．0 |
| R2012b |
|
|
|
|
|
|
|
|
|
4．2 |
| R2012a |
|
|
|
|
|
|
|
|
|
4．0 |
| R2011b |
|
|
|
|
|
|
|
|
|
4．0 |
—内置二进制支持。金宝app
对开金宝app普勒和麦克斯韦GPU架构的支持将在未来的版本中移除。那时，使用带有MATLAB的GPU将需要具有6.0或更高计算能力的GPU设备。当你第一次使用开普勒或麦克斯韦GPU时，MATLAB会生成一个警告。
- 金宝app通过前向兼容性支持。必须在从未优化的版本中在运行时编译优化的设备库。金宝app支持可以限制，您可能会看到错误和意外行为。有关更多信息，请参阅GPU设备的前向兼容性．
- 默认情况下，不支持此架构。金宝app您可以通过启用GPU设备的转发金宝app兼容性来启用支持。您可能会看到错误和意外行为。有关更多信息，请参阅GPU设备的前向兼容性．
CUDA工具包
如果你想从CU代码中生成CUDA内核对象，或者使用GPU Coder™编译CUDA兼容的源代码、库和可执行程序，你必须安装CUDA工具包。CUDA工具包包含CUDA库和编译工具。在GPU上运行MATLAB函数或生成CUDA启用的MEX函数不需要工具箱。
| 任务 | 要求 |
|---|---|
获取最新的显卡驱动程序英伟达驱动程序下载． 你也不需要CUDA工具包。 |
|
|
安装您的MATLAB发行版所支持的CUDA Toolkit版本。金宝app |
*在MATLAB中创建CUDA内核对象，你必须同时拥有CU文件和相应的PTX文件。从CU文件编译PTX文件需要CUDA工具包。如果您已经有了相应的PTX文件，则不需要该工具箱。
有关在Matlab中生成CUDA代码的更多信息，请参阅运行包含CUDA代码的mex函数和在GPU上运行CUDA或PTX代码．并不是所有CUDA工具包支持的编译器金宝app都在MATLAB中得到支持。
您需要的工具箱版本取决于您使用的MATLAB版本。请在表格中查看工具箱的哪个版本与您的MATLAB版本兼容金宝app支持GPU．建议的最佳实践是使用最新版本的支持工具包，包括来自nvidia的任何更新和修补程序。金宝app
有关CUDA工具包的更多信息和下载支持的版本，请参见金宝appCUDA Toolkit档案（英伟达）．
GPU设备的前向兼容性
请注意
从R2020B开始，默认情况下禁用GPU设备的正向兼容性。
在R2020a和更早的版本中，您不能禁用GPU设备的前向兼容性。
前向兼容性允许您通过在运行时重新编译设备库构建Matlab版本后，使用带有架构的GPU设备。
启用前向兼容性时，CUDA驱动程序首次访问具有比MATLAB版本更新的架构的设备首次访问GPU库。重新编译可能需要一个小时。增加CUDA缓存大小以防止该延迟复发。有关说明，请参阅增加CUDA缓存大小．
禁用前向兼容性时，您无法使用GPU设备执行计算，该GPU设备在您使用的MATLAB版本之后释放的架构。如果要在MATLAB中使用此GPU设备，则必须启用正向兼容性。
谨慎
启用前向兼容性会导致GPU计算过程中错误的答案和意外的行为。
设备库重新编译的成功程度可能因Matlab使用的设备架构和CUDA版本而异。在某些情况下，前瞻性兼容性不像预期的那样工作，并对图书馆的重新编译导致错误。
例如，来自CUDA版本10.0-10.2（MATLAB版本R2019A，R2019B，R2020A和R2020B）的前向兼容性到AMPERE（计算能力8.x）的功能仅具有有限的功能。
您可以使用以下方法启用GPU设备的前向兼容性。
使用功能
parallel.gpu.enableCUDAForwardCompatibility．使用这种方法实现前向兼容性在MATLAB会话之间不是持久的。设置环境变量
MW_CUDA_FORWARD_COMPATIBILITY来1．这可以保留Matlab会话之间的前向兼容性。如果在MATLAB运行时更改环境变量，则必须重新启动MATLAB以查看效果。在客户端上，您可以使用setenv.设置环境变量。然后，您可以将环境变量从客户机复制到工作器，以便工作器以与客户机相同的方式执行计算。欲了解更多信息，请使用在工作人员上设置环境变量．
增加了CUDA缓存大小
如果你的GPU架构在你的MATLAB版本中没有内置的二进制支持，图形驱动程序必须编译和缓存GPU库。金宝app当你第一次从MATLAB访问GPU时，这个过程可能需要一个小时。要增加CUDA缓存大小以防止这种延迟的再次发生，请设置环境变量CUDA_CACHE_MAXSIZE.到最低限度536870912（512 MB）。在客户端上，您可以使用setenv.设置环境变量。然后，您可以将环境变量从客户机复制到工作器，以便工作器以与客户机相同的方式执行计算。欲了解更多信息，请使用在工作人员上设置环境变量．
相关话题
外部网站
您还可以从以下列表中选择一个网站：
