GPU上的图像处理
为了充分利用现代图形处理单元(GPU)提供的性能优势，某些图像处理工具箱™功能已启用，可在GPU上执行图像处理操作。这可以为复杂的图像处理流程提供GPU加速。这些技术可以单独实现，也可以组合实现，以满足设计需求和性能目标。
要在图形处理单元(GPU)上运行图像处理代码，必须使用并行计算工具箱™软件。要在GPU上执行支持的图像万博1manbetx处理操作，请遵循以下步骤:
将数据从CPU转移到GPU。使用
gpuArray(并行计算工具箱)函数从MATLAB传递数组®GPU。有关更多信息，请参见根据已有数据创建GPU阵列(并行计算工具箱)．在GPU上执行图像处理操作。有关已启用gpu的所有工具箱函数的列表，请参见支持GPU计算功能万博1manbetx．
将数据从GPU移回CPU。使用
收集(并行计算工具箱)函数从GPU检索数组，并将该数组作为常规MATLAB数组传输到MATLAB工作空间。
如果你调用一个支持GPU的函数，至少使用一个万博1manbetxgpuArray(并行计算工具箱)输入参数，则函数在GPU上自动运行并生成gpuArray作为结果。您可以使用两者混合输入gpuArray和MATLAB数组在同一个函数中调用。在这种情况下，函数自动将MATLAB数组传输到GPU执行。
当使用GPU时，注意以下几点:
性能的提高取决于GPU设备。
在GPU上返回的结果与在CPU上返回的结果可能有微小的差异。
要了解如何将自定义CUDA内核直接集成到MATLAB中以加速复杂算法，请参见在GPU上运行CUDA或PTX代码(并行计算工具箱)．
另请参阅
相关的例子
更多关于
- 在GPU上运行MATLAB函数(并行计算工具箱)
- 支持GPU计算功能万博1manbetx
你也可以从以下列表中选择一个网站:
