GPU计算是一种被广泛采用的技术，它利用GPU的能力来加速计算密集型工作流。自2010年以来，并行计算工具箱为MATLAB提供了GPU计算支持。万博1manbetx尽管GPS最初是为图形渲染而开发的，但现在通常用于加速科学计算、工程、人工智能和金融分析等领域的应用。
使用并行计算工具箱，您可以利用NVIDIA gpu，直接从MATLAB加速应用程序。MATLAB为加速计算密集型工作流提供了直接接口，在gpu上提供了超过500个函数。使用这些支持的函数，您可万博1manbetx以在GPU上执行代码，而不需要任何编程经验。
对于计算密集型问题，只需对现有代码进行少量更改，就可以实现显著的速度提升。通过并行计算工具箱万博1manbetx中的GPU支持，可以很容易地确定是否可以使用GPU来加快应用程序的速度。如果你的代码包含GPU支持的函数，将输入转换为GPU万博1manbetx数组将自动在GPU上执行这些函数。
MATLAB自动处理GPU资源分配。这样你就可以专注于你的应用程序，而不必学习任何低级别的GPU计算工具。MATLAB利用了GPU中数百个专门的核心。加速可能在很大程度上瘫痪的应用程序的性能。在执行处理大量数据和包含大量向量化操作的工作流时，使用GPU可以获得最有效的结果。
您可以使用MathWorks File Exchange中的GPUBench。为了比较支持的gpu的性能，使用MATLAB中的标准万博1manbetx数值基准。许多MATLAB函数，如训练过的网络函数，默认使用任何兼容的gpu。要在多个gpu上训练你的模型，你可以直接在MATLAB中更改训练选项。
如果您的笔记本电脑或工作站上没有GPU，您可以利用MATLAB参考架构在云端的MATLAB桌面中使用一个或多个GPU。您还可以利用来自NVIDIA GPU Cloud的MATLAB深度学习容器，该容器支持NVIDIA ddx，以及其他支持Docker的平台。万博1manbetx
如果您有许多GPU应用程序要运行，或者需要扩展到具有GPU的单机之外，则可以使用MATLAB Parallel Server将您的工作流程扩展到具有GPU的集群。如果您还没有访问GPU集群，则可以利用MathWorks Cloud Center或MATLAB并行服务器参考架构。
并行计算工具箱为直接使用CUDA代码提供了额外的功能。mexuda函数，将CUDA代码编译成一个mex文件，可以直接在MATLAB中作为函数调用。相反，在编写MATLAB代码后，您可以生成和部署准备使用CUDA代码，与CPU编码器。
生成的代码经过优化，可调用标准CUDA库，并可直接集成和部署到NVIDIA gpu上。要了解更多关于如何在MATLAB中充分利用GPU的信息，请浏览GPU计算解决方案页面。万博 尤文图斯您还可以查看MathWorks文档。获取完整的函数列表，其中提供了支持和更多示例。万博1manbetx
