跑步MATLABGPU上的函数
MATLAB带有gpuArray参数的函数
MATLAB中有数百个函数®和其他工具箱，如果你提供一个在GPU上的自动运行gpuArray论点。
A = gpuArray（[1 0 1 -1 -2 0 0 1 -1]）;E = EIG（A）;
每当你调用任何这些函数与至少一个gpuArray作为数据输入参数，GPU上的函数执行。该函数生成一个gpuArray作为结果，除非返回MATLAB数据更合适的（例如，大小）。你可以混合在同一个函数调用中同时使用gpuArray和MATLAB阵列输入。要了解更多关于当GPU或CPU的功能运行时，看到gpuArray输入的特殊条件。启用GPU-功能包括离散傅立叶变换（fft），矩阵乘法（时间)，左矩阵除法(分水岭），和数百人。欲了解更多信息，请参阅检查GPU-Supp万博1manbetxorted功能。
检查GPU-Supp万博1manbetxorted功能
如果一个MATLAB函数支持gpuarray，您可万博1manbetx以在它的函数页上查阅其他GPU使用信息。见GPU阵列在扩展功能功能页末尾的部分。
小费
有关支持GPU阵列的MATLAB的筛选列表，请参见万博1manbetx函数列表（GPU数组）。
一些MATLAB工具箱包含内置GPU支持的函数。万博1manbetx要查看这些支持gpuArrays的工具箱中的所有函数列表，请使用下表中的链接。万博1manbetx带有警告指示器的列表中的函数具有特定于在GPU上运行该函数的限制或用法说明。您可以在函数参考页面的扩展功能部分中查看使用说明和限制。有关单个启用gpu的函数的更新信息，请参阅发布说明。
| 工具箱的名字 | 支持gpuArray的函数列表万博1manbetx |
|---|---|
| MATLAB | 支持gpuArray的函数万博1manbetx |
| 统计与机器学习工具箱™ | 支持gpuArray的函数万博1manbetx |
| 图像处理工具箱™ | 支持gpuArray的函数万博1manbetx |
| 深度学习工具箱™ | *（另见使用gpu进行深度学习) |
| 计算机视觉工具箱™ | 支持gpuArray的函数万博1manbetx |
| 通信工具箱™ | 支持gpuArray的函数万博1manbetx |
| 信号处理工具箱™ | 支持gpuArray的函数万博1manbetx |
| 音频工具箱™ | 支持gpuArray的函数万博1manbetx |
| 小波工具箱™ | 支持gpuArray的函数万博1manbetx |
| 曲线拟合工具箱™ | 支持gpuArray的函数万博1manbetx |
您可以从所有MathWorks中浏览受万博1manbetxgpu支持的函数®s manbetx 845产品链接如下：GPU支万博1manbetx持的功能。或者，您可以根据产品进行筛选。在帮帮我栏中，单击功能. 在“函数”列表中，浏览左侧窗格以选择产品，例如MATLAB。在左窗格的底部，选择GPU阵列。如果您选择的产品没有启用gpu的功能，则GPU阵列过滤器不可用。
使用gpu进行深度学习
对于深度学习工具箱中的许多函数，如果你有一个合适的GPU和并行计算工具箱，GPU支持是自动的。万博1manbetx您不需要将数据转换为gpuArray。下面是一个非详尽的函数列表，默认情况下，如果GPU可用，这些函数将在GPU上运行。
有关“深度学习工具箱”中自动GPU支持的详细信息，请参阅万博1manbetxgpu大数据并行深度学习(深度学习工具箱)。
用于使用定义为的网络的高级网络和工作流dlnetwork对象或模型功能，您的数据转换为gpuArray。采用支持gpuArray的函数万博1manbetx在GPU上运行自定义训练循环或预测。
检查或选择GPU
如果你有一个GPU，那么MATLAB会自动使用它进行GPU计算。您可以使用gpuDevice函数。如果您有多个gpu，那么您可以使用gpuDevice选择其中一个，或者使用多个带有并行池的gpu。例如，参见识别并选择GPU和在并行池中使用多个GPU。要检查您的GPU支持，请参阅万博1manbetxGPU支万博1manbetx持方式发布。
为了深入学习，MATLAB为多个GPU提供自动并行支持。见万博1manbetx深度学习与MATLAB在多GPU(深度学习工具箱)。
使用GPU使用MATLAB函数
这个例子展示了如何使用启用GPU的MATLAB函数来操作gpuarray。您可以使用gpuDevice函数。
gpuDevice
ANS = CUDADevice与属性：名称： '的GeForce GTX 1080' 索引：1个ComputeCapability： '6.1' SupportsDouble：1 Dr万博1manbetxiverVersion：10.1000 ToolkitVersion：10.1000 MaxThreadsPerBlock：1024 MaxShmemPerBlock：49152 MaxThreadBlockSize：[1024 1024 64] MaxGridSize：[2.1475e + 0965535 65535] SIMDWidth：32 TotalMemory：8.5899e + 09 AvailableMemory：6.9012e + 09 MultiprocessorCount：20 ClockRateKHz：1733500 ComputeMode： '默认' GPUOverlapsTransfers：1 KernelExecutionTimeout：1 CanMapHostMemory：1 DeviceSupported万博1manbetx：1 DeviceSelected：1
创建一个行向量，重复从-15到15的值。若要将其传输到GPU并创建gpuArray，请使用gpuArray函数。
X = [-15：15 0 -15：15 0 -15：15];gpuX = gpuArray（X）;谁是gpuX
名称大小字节类属性gpuX 1x95 4 gpuArray
要使用gpuArrays，请使用任何支持gpu的MATLAB函数。MATLAB在GPU上自动运行计算。欲了解更多信息，请参阅在GPU上运行MATLAB功能。例如，使用的组合诊断,expm,MOD,轮,防抱死制动系统,翻转。
gpuE=expm（diag（gpuX，-1））*expm（diag（gpuX，1））；gpuM=mod（round（abs（gpuE）），2）；gpuF=gpuM+fliplr（gpuM）；
绘制结果。
显示亮度图像(gpuF);colormap(翻转(灰色));
如果您需要转移从GPU，采用数据备份聚集。将数据收集回CPU的成本可能很高，而且通常没有必要这样做，除非您需要将结果用于不支持gpuArray的函数。万博1manbetx
结果=收集(gpuF);谁是结果
名称大小字节类属性结果96x96 73728双精度
通常情况下，如果你在CPU上运行代码，结果可能会有差异，这是由于GPU和CPU之间的数值精度和算法差异造成的。CPU和GPU上的答案对于真实的分析结果都是同样有效的浮点近似，在计算过程中经历了不同的舍入。在本例中，结果是整数和轮消除了舍入误差。
使用GPU锐化图像
这个例子说明了如何使用gpuArrays并启用GPU的功能，锐化图像。
读取图像，并使用gpuArray函数。
图像= gpuArray（imread（'peppers.png'））;
将图像转换为双打，并应用卷积获得梯度图像。然后，使用梯度图像，通过一个因子锐化图像量。
dimage=im2double（图像）；gradient=convn（dimage，1（3）。/9，“相同”） - CONVN（DIMAGE，酮（5）./ 25，“相同”)；数量=5；锐化=尺寸+数量。*渐变；
调整大小，情节和比较原始和锐化图像。
imshow（imresize（[DIMAGE，削尖]，0.7））;标题（'原始图像（左）与锐化图像（右）'）;
使用GPU-启用函数计算Mandelbrot集
这个例子说明了如何使用启用GPU的MATLAB函数来计算一个著名的数学结构：Mandelbrot集。检查您的GPU使用gpuDevice函数。
定义参数。Mandelbrot算法在实部和虚部的网格上迭代。下面的代码定义了迭代次数、网格大小和网格限制。
最大迭代次数=500；网格大小=1000；xlim=[-0.748766713922161，-0.748766707771757]；ylim=[0.123640844894862，0.123640851045266]；
你可以使用gpuArray函数将数据传输到GPU并创建gpuArray或者你可以在GPU上直接创建一个数组。gpuArray提供的许多功能GPU版本，你可以用它来创建数据阵列，如linspace. 有关详细信息，请参见直接创建GPU阵列。
x=gpuArray.linspace空间（xlim（1），xlim（2），网格大小）；y=gpuArray.linspace空间（ylim（1），ylim（2），网格大小）；whos十是的
名称大小字节类属性X 1x1000的4 gpuArrayŸ1x1000的4 gpuArray
许多MATLAB函数都支持gpuarray。万博1manbetx当您为任何启用GPU的函数提供gpuArray参数时，该函数将在GPU上自动运行。有关详细信息，请参见在GPU上运行MATLAB功能。创建算法复杂的网格，并创建阵列计数出来的结果。要直接在GPU上创建这个数组，使用那些函数,并指定“gpuArray”。
[xGrid, yGrid] = meshgrid (x, y);z0 =复杂(xGrid yGrid);数= 1(大小(z0),“gpuArray”）;
下面的代码实现的Mandelbrot算法使用支持GPU-功能。由于代码使用gpuArrays，计算发生在GPU上。
z = z0;对于n = 0: maxiteration z = z。* z + z0;内= abs(z) <= 2;count = count + inside;结束计数= LOG（计数）;
当计算完成后，绘制结果。
于imagesc（X，Y，计数）颜色表（[射流（）; flipud（喷射（））; 0 0 0]）;轴从
在GPU上使用稀疏数组
以下函数支持稀疏gpuArrays。万博1manbetx
abs angle bicg bicgstab ceil cgs classunderprinding conj ctranspose deg2rad diag end expm1 find fix floor full gmresgpuArray.speye公司imag是基础isdiag是空的 |
isequal isequaln isfloat isinteger islogical isnumeric isreal issparse istril istriu长度log1p lsqr减去mtimes ndimes nextpow2 nnz非零范数numel nzmax pcg |
加上qmr rad2deg real sqrt圆形符号大小稀疏spfun spones sprandsym sqrt sum tfqmr times（.*跟踪转置tril triu uminus uplus |
您可以创建一个稀疏gpuArray通过调用稀疏的用gpuArray输入，或通过调用gpuArray用稀疏的输入。例如，
x=[0 1 0 0 0；0 0 0 1]
0 1 0 0 0 0 0 0 0 1
s=稀疏（x）
（1,2）1（2,5）1
g = gpuArray(年代);%g是稀疏的gpuArrayGT =转置（克）;% gt是一个稀疏的gpuArrayf =全(gt)%f是一个完整的gpuArray
0 0 1 0 0 0 0 0 1
稀疏gpuArrays不支持索引。万博1manbetx取而代之的是，使用找到定位数组及其行和列索引的非零元素。然后，替换您想要的值并构造一个新的稀疏gpuArray。
在GPU上处理复数
如果在GPU上运行的函数的输出可能很复杂，则必须显式地将其输入参数指定为复杂。这适用于gpuArray或通过在所谓的代码运行的功能阵列风。
例如，如果创建的gpuArray可能包含负元素，请使用G = gpuArray（络合物（P）），则可以成功执行sqrt (G)。
或者，在传递给的函数内阵列风,如果十是实数向量，有些元素有负值，SQRT（x）的生成一个错误;你应该打电话SQRT（复合物（X））。
如果结果是复杂的数据的gpuArray和所有的虚部为零，这些部分被保留，所述数据仍然很复杂。这可能使用时产生影响排序,以色列， 等等。
下表列出了可能返回复杂数据的函数，以及输出保持真实的输入范围。
| 函数 | 实际输出的输入范围 |
|---|---|
这些“可信赖医疗组织”(x) |
ABS（X）<= 1 |
ACOSH（x）的 |
x>=1 |
阿科思（x） |
ABS（X）> = 1 |
ACSC（x）的 |
ABS（X）> = 1 |
asec (x) |
ABS（X）> = 1 |
阿塞奇（x） |
0 <= x <= 1 |
正如(x) |
ABS（X）<= 1 |
atanh (x) |
ABS（X）<= 1 |
日志(x) |
x>=0 |
对数1p（x） |
x > = 1 |
日志10（x）的 |
x>=0 |
LOG2（x）的 |
x>=0 |
功率(x, y) |
x>=0 |
reallog (x) |
x>=0 |
实数（x） |
x>=0 |
SQRT（x）的 |
x>=0 |
gpuArray输入的特殊条件
启用GPU-功能的GPU只有当数据在GPU上运行。例如，在GPU下面的代码运行，因为数据，第一输入，是在GPU上：
>>和（gpuArray（magic（10）），2）；
>>总和（魔（10），gpuArray（2））;
致谢
岩浆是采取GPU加速的优势，线性代数例程库。Parallel Computing Toolbox中的杠杆作用MAGMA为gpuArrays实现线性代数函数来实现高性能和准确性。
另见
相关实例
更多关于
你也可以从以下列表中选择一个网站:
