Cette page a été traduite par traduction automatique. Cliquez ici pour voir la dernière version en anglais.

Calcul GPU

Accélérez votre code en l'exécutant sur un 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 vers le GPU. Pour démarrer avec le calcul GPU, consultez Exécutez les fonctions MATLAB sur un GPU .

Pour le Deep Learning, 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 les fonctionnalités avancées du GPU CUDA^®, vous pouvez écrire votre propre code CUDA et l'exécuter dans MATLAB en générant un fichier MEX exécutable à l'aide de mexcuda ou d'un noyau exécutable. en utilisant parallel.gpu.CUDAKernel .

Sujets fréquemment consultés

Exemples présentés

Illustrating Three Approaches to GPU Computing: The Mandelbrot Set

Adapt your MATLAB® code to compute the Mandelbrot Set using a GPU.

Ouvrir le live script

Measure GPU Performance

Measure some of the key performance characteristics of a GPU.

Ouvrir le live script

Using GPU arrayfun for Monte-Carlo Simulations

Calculate prices for financial options on a GPU using Monte-Carlo methods.

Ouvrir le live script

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.

Ouvrir le live script