Calcul GPU
Vous pouvez accélérer votre code en exécutant les fonctions MATLAB® sur un GPU. Si les fonctions que vous souhaitez utiliser prennent en charge l’exécution GPU, vous pouvez simplement utiliser gpuArray pour transférer les données d’entrée au 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.
Si l'exécution des fonctions MATLAB sur le GPU n'accélère pas suffisamment votre code, ou si vous devez utiliser des fonctionnalités GPU CUDA® avancées, vous pouvez écrire votre propre code CUDA et l'exécuter dans MATLAB en générant un fichier MEX exécutable à l'aide de mexcuda ou un noyau exécutable à l'aide de parallel.gpu.CUDAKernel.
Catégories
- Calcul GPU dans MATLAB
Accélérer votre code en exécutant les fonctions MATLAB sur un GPU
- Programmation GPU CUDA et MEX
Accélérez davantage votre code grâce à la programmation avancée GPU CUDA et MEX
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.
Run MATLAB Functions on Multiple GPUs
Run MATLAB® code on multiple GPUs in parallel, first on your local machine, then scaling up to a cluster. As a sample problem, the example uses the logistic map, an equation that models the growth of a population.
