加速与GPU的相关性

此示例使用：

开放脚本

此示例显示如何使用GPU加速互相关。许多相关问题涉及大数据集，可以使用GPU更快地解决。此示例需要并行计算工具箱™用户许可证。参考GPU通万博1manbetx过发布支持(并行计算工具箱)查看支持哪些gpu。万博1manbetx

介绍

首先学习有关机器中GPU的一些基本信息。要访问GPU，请使用“并行计算”工具箱。

流('基准GPU加速的互相关。\ n'）;如果〜（parallel.gpu.gpudevice.isavailable）fprintf（[' \ n \ t * * GPU不可用。停止。* * \ n”]）;返回；别的dev=gpuDevice；fprintf(.．.'检测到GPU（%s，%d个多处理器，计算能力%s）'，.．.dev.name，dev.multiprocessorcount，dev.compteapability;结尾

基于GPU加速的互相关。检测到GPU（Titan XP，30个多处理器，计算能力6.1）

基准功能

因为为CPU编写的代码可以移植到GPU上运行，所以可以使用一个函数对CPU和GPU进行基准测试。但是，由于GPU上的代码是从CPU异步执行的，所以在测量性能时应该采取特别的预防措施。在测量执行一个函数所花费的时间之前，通过在设备上执行“等待”方法，确保所有的GPU处理已经完成。这个额外的调用对CPU性能没有影响。

这个例子对三种不同类型的相互关系进行了基准测试。

基准简单的互相关

对于第一种情况，两个大小相等的向量使用语法相互关联Xcorr（U，V）．CPU执行时间与GPU执行时间的比率绘制针对向量的大小绘制。

流('\n\n ***基准矢量-矢量互相关*** \n\n'）;流('基准函数：\ n'）;类型('benchxcorrvec'）;流(“\n\n”); 尺寸=[2000 1e4 1e5 5e5 1e6]；tc=零（1，单位（尺寸））；tg=零（1，单位（尺寸））；numruns=10；为了s = 1：磁数（尺寸）;流('运行％d元素的xcorr ... \ n'，尺寸）;delchar = repmat（“\b”，1，numruns）；a=兰特（尺寸，1）；b=兰特（尺寸，1）；tc（s）=benchXcorrVec（a，b，numruns）；fprintf（[delcharcpu时间:%。2 f \ n '女士]，1000 * Tc（s））;TG（s）= BenchxcorRvec（GPUARRAY（A），GPUARRAY（B），NUMRUNs）;流([delchar'\ t \ tgpu time：％.2f ms \ n']，1000 * Tg（s））;结尾%绘制结果图=图；轴=轴('父母'， 无花果）;semilogx（斧头，大小，tc./tg，“r * - - - - - -”）;ylabel (ax,“加速”）;xlabel（斧头，'矢量大小'）;标题（斧头，“XCORR的GPU加速”）;drawnow;

***基准测试矢量 - 矢量 - 矢量互联***基准函数：功能T = BenchxcorRVEC（U，V，NumRuns）％用于基于CPU和GPU的向量输入的XCorr。% Copyright 2012 The MathWorks, Inc. timevec = zeros(1,numruns);gdev = gpuDevice;对于II = 1：numruns ts = tic;o = Xcorr（U，V）;%#ok wait(gdev) timevec(ii) = toc(ts);流('。');End t = min(timevec);结束2000元素的XCorr ... CPU时间：0.21 MS GPU时间：4.26 MS运行10000元素的XCorr ... CPU时间：1.03 MS GPU时间：4.37 MS运行100000元素的XCorr ... CPU时间：14.04毫秒GPU时间：6.28 MS运行XCorr为500000元素... CPU时间：55.98 MS GPU时间：16.09 MS运行1000000元素的XCorr ... CPU时间：169.00 MS GPU时间：25.60毫秒

基准矩阵柱互相关

对于第二种情况，矩阵A的列被成对交叉相关，以使用语法XCorr（A）产生所有相关的大矩阵输出。CPU执行时间与GPU执行时间的比率绘制矩阵A的大小。

流('\ n \ n ***基准矩阵列柱互联*** \ n \ n'）;流('基准函数：\ n'）;类型('benchxcorrmatrix'）;流(“\n\n”）;尺寸=地板（Linspace（0,100,11））;大小（1）= [];tc = 0(1,元素个数(大小));tg = 0(1,元素个数(大小));numruns = 10;为了s = 1：磁数（尺寸）;流('运行Xcorr（矩阵）％d x％d矩阵... \ n'，尺寸，尺寸）;delchar = repmat（“\b”1、numruns);一个=兰德(大小(s));tc(s) = benchXcorrMatrix(a, numruns);流([delcharcpu时间:%。2 f \ n '女士]，1000 * Tc（s））;TG（s）= Benchxcorrmatrix（GPUArray（A），NumRuns）;流([delchar'\ t \ tgpu time：％.2f ms \ n']，1000 * Tg（s））;结尾%绘制结果图=图；轴=轴('父母'，图）；绘图（最大，尺寸^2，tc./tg，“r * - - - - - -”）;ylabel (ax,“加速”）;xlabel（斧头，矩阵元素的）;标题（斧头，'GPU加速XCorr（矩阵）'）;drawnow;

***基准矩阵列互相关***基准函数:function t = benchXcorrMatrix(A, numruns) %用于在CPU和GPU上对输入矩阵的xcorr进行基准测试。% Copyright 2012 The MathWorks, Inc. timevec = zeros(1,numruns);gdev = gpuDevice;For ii=1:numruns, ts = tic;o = xcorr(一个);%#ok wait(gdev) timevec(ii) = toc(ts);流('。');End t = min(timevec);end运行10 × 10矩阵的xcorr (matrix)…CPU时间:0.18 ms GPU时间:5.00 ms运行xcorr (matrix)的20 × 20矩阵… CPU time : 0.48 ms GPU time : 4.83 ms Running xcorr (matrix) of a 30 x 30 matrix... CPU time : 0.85 ms GPU time : 4.84 ms Running xcorr (matrix) of a 40 x 40 matrix... CPU time : 3.38 ms GPU time : 5.57 ms Running xcorr (matrix) of a 50 x 50 matrix... CPU time : 5.60 ms GPU time : 5.22 ms Running xcorr (matrix) of a 60 x 60 matrix... CPU time : 8.49 ms GPU time : 5.39 ms Running xcorr (matrix) of a 70 x 70 matrix... CPU time : 20.43 ms GPU time : 5.92 ms Running xcorr (matrix) of a 80 x 80 matrix... CPU time : 26.79 ms GPU time : 6.24 ms Running xcorr (matrix) of a 90 x 90 matrix... CPU time : 40.04 ms GPU time : 6.89 ms Running xcorr (matrix) of a 100 x 100 matrix... CPU time : 49.69 ms GPU time : 7.32 ms

基准测试的二维互相关

对于最终情况，两个矩阵，x和y，使用XcorR2（x，y）交叉相关。x允许y固定，而允许变化。加速度符合第二矩阵的大小。

流(“\n\n***基准二维互相关***\n\n”）;流('基准函数：\ n'）;类型(“benchXcorr2”）;流(“\n\n”）;尺寸= [100,200,500,1000,1500,2000];tc = 0(1,元素个数(大小));tg = 0(1,元素个数(大小));numruns = 4;一个=兰德(100);为了s = 1：磁数（尺寸）;流('运行100x100矩阵的Xcorr2和％d x％d矩阵... \ n'，尺寸，尺寸）;delchar = repmat（“\b”1、numruns);B =兰特（大小）;tc（s）= benchxcorr2（a，b，numruns）;流([delcharcpu时间:%。2 f \ n '女士]，1000 * Tc（s））;Tg（s）= Benchxcorr2（GPUARRAY（A），GPUARRAY（B），NUMRUNs）;流([delchar'\ t \ tgpu time：％.2f ms \ n']，1000 * Tg（s））;结尾%绘制结果图=图;斧头=轴（'父母'， 无花果）;Semilogx（斧头，大小。^ 2，Tc./tg，“r * - - - - - -”）;ylabel (ax,“加速”）;xlabel（斧头，矩阵元素的）;标题（斧头，“XCORR2 GPU加速”）;drawnow;流('\ n \ nbenchmarking完成了。\ n \ n'）;

***基准2d互相关***基准功能:function t = benchXcorr2(X, Y, numruns) %用于在CPU和GPU上对xcorr2进行基准测试。% Copyright 2012 The MathWorks, Inc. timevec = zeros(1,numruns);gdev = gpuDevice;For ii=1:numruns, ts = tic;o = xcorr2 (X, Y);%#ok wait(gdev) timevec(ii) = toc(ts);流('。');End t = min(timevec);运行100x100矩阵和100x100矩阵的xcorr2…CPU时间:20.35 ms GPU时间:6.96 ms运行xcorr2的100 × 100矩阵和200 × 200矩阵… CPU time : 42.87 ms GPU time : 11.72 ms Running xcorr2 of a 100x100 matrix and 500 x 500 matrix... CPU time : 125.23 ms GPU time : 39.67 ms Running xcorr2 of a 100x100 matrix and 1000 x 1000 matrix... CPU time : 386.59 ms GPU time : 88.46 ms Running xcorr2 of a 100x100 matrix and 1500 x 1500 matrix... CPU time : 788.38 ms GPU time : 165.04 ms Running xcorr2 of a 100x100 matrix and 2000 x 2000 matrix... CPU time : 1523.05 ms GPU time : 279.55 ms Benchmarking completed.