Calcul GPU dans MATLAB
Si toutes les fonctions que vous souhaitez utiliser sont prises en charge sur le GPU, vous pouvez simplement utiliser gpuArray pour transférer les données d'entrée vers le GPU. Pour démarrer avec le calcul GPU, voir Exécuter les fonctions MATLAB sur un GPU.
Pour l'apprentissage en profondeur, MATLAB fournit une prise en charge parallèle automatique de plusieurs GPU. Voir Deep Learning with MATLAB on Multiple GPUs (Deep Learning Toolbox).
Vous pouvez utiliser la fonction gpuDevice pour inspecter et sélectionner votre GPU et utiliser les fonctions gpuDeviceTable pour inspecter plusieurs GPU.
Fonctions
Rubriques
Exécutez le code MATLAB sur le GPU
- Exécuter les fonctions MATLAB sur un GPU
Fournir un argumentgpuArraypour exécuter automatiquement des fonctions sur un GPU. - Identifier et sélectionner un dispositif GPU
Cet exemple montre comment utilisergpuDevicepour identifier et sélectionner le périphérique que vous souhaitez utiliser. - Exigences de calcul du GPU
Support des architectures GPU NVIDIA®. - Establish Arrays on a GPU
UsegpuArrayobjects to store data on the GPU and perform calculation on the GPU. - Run MATLAB Functions on Multiple GPUs
This example shows how to run MATLAB® code on multiple GPUs in parallel, first on your local machine, then scaling up to a cluster. - Work with Remote GPUs
This example shows how to run MATLAB® code on multiple remote GPUs in a cluster. (depuis R2024a) - Run MATLAB Using GPUs in the Cloud
Take advantage of powerful GPUs in the cloud to accelerate your code. - Train Network Using Automatic Multi-GPU Support (Deep Learning Toolbox)
This example shows how to use multiple GPUs on your local machine for deep learning training using automatic parallel support. - Travailler avec des tableaux parcimonieux sur un GPU
Découvrir les conditions de travail avec des tableaux parcimonieux sur un GPU. - Work with Complex Numbers on a GPU
Learn about the conditions for applying functions that might return complex values on a GPU.
Améliorer les performances du GPU
- Measure and Improve GPU Performance
Time code running on your GPU and explore options for improving performance. - Improve Performance Using a GPU and Vectorized Calculations
This example shows you how to improve performance by running a function on the GPU instead of the CPU, and by vectorizing the calculations. - Improve Performance of Element-Wise MATLAB Functions on the GPU Using arrayfun
This example shows how to improve the performance of your code by running MATLAB® functions on the GPU usingarrayfun. - Improve Performance of Small Matrix Problems on the GPU Using pagefun
This example shows how to usepagefunto improve the performance of independent operations applied to multiple matrices arranged in a multidimensional array. - Benchmarking A\b on the GPU
This example looks at how we can benchmark the solving of a linear system on the GPU.
Apprendre encore plus
- Profile Your Code to Improve Performance
Use the Profiler to measure the time it takes to run your code and identify which lines of code consume the most time or which lines do not run. - Vectorization
Revise loop-based, scalar-oriented code to use MATLAB matrix and vector operations. - Random Number Streams on a GPU
Control the random number streams on a GPU to generate the same sequences of random numbers as on the CPU. - Generating Random Numbers on a GPU
This example shows how to switch between the different random number generators that are supported on the GPU. - Stencil Operations on a GPU
This example uses Conway's "Game of Life" to demonstrate how stencil operations can be performed using a GPU. - Compute the Mandelbrot Set Using GPU-Enabled Functions
This example shows how to use GPU-enabled MATLAB® functions to compute a well-known mathematical construction: the Mandelbrot set.
Informations connexes
Sélection d՚exemples
Illustrating Three Approaches to GPU Computing: The Mandelbrot Set
Adapt your MATLAB® code to compute the Mandelbrot Set using a GPU.
Measure GPU Memory Bandwidth and Processing Power
Measure some of the key performance characteristics of your GPU hardware.
Using GPU arrayfun for Monte-Carlo Simulations
Calculate prices for financial options on a GPU using Monte-Carlo methods.
Utiliser FFT2 sur le GPU pour simuler des modèles de diffraction
Cet exemple utilise Parallel Computing Toolbox ™ pour effectuer une transformée de Fourier rapide (FFT) bidimensionnelle sur un GPU. La transformée de Fourier bidimensionnelle est utilisée en optique pour calculer les diagrammes de diffraction en champ lointain. Ces modèles de diffraction sont observés lorsqu'une source de lumière monochromatique traverse une petite ouverture, comme dans l'expérience de la double fente de Young.
Améliorer la netteté d'une image à l'aide du GPU
Cet exemple montre comment affiner une image à l'aide d'objets gpuArray et de fonctions compatibles GPU.
