详细介绍如何使用GPU(显卡)跑MATLAB代码 |
您所在的位置:网站首页 › surface pro可以运行matlab › 详细介绍如何使用GPU(显卡)跑MATLAB代码 |
一、概述
想要在GPU跑MATLAB,首先得查看你的电脑是否支持了。 先来了解一个概念——CUDA:是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 说白了,就是你用显卡进行深度学习等的运算必须要安装cuda包(你可以了理解为一个软件),用GPU跑MATLAB代码也必须要用到cuda包,每一个显卡只能安装对应版本的cuda包。 二、查看cuda版本并安装依次打开:控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称 可以看到我的电脑支持cuda 10.1版本 此时就需要在你电脑安装对应版本的cuda版本,可以查看往期教程: tips:如果有深度学习相关的cudnn也建议安装 全网最详细的深度学习tensorflow-gpu环境配置_惜洛-Jankin的博客-CSDN博客 …… 三、确认MATLAB版本与cuda版本对应安装好之后需要确认MATLAB版本与cuda版本对应才行,比如我的cuda10.1,只能使用MATLAB2019b与2020a GPU Support by Release- MATLAB & Simulink- MathWorks 中国 四、在MATLAB查看GPU版本到此你已经安装好了cuda了,MATLAB版本也对,就可以打开MATLAB查看GPU了,若是你没有安装cuda,会提示错误的。 在命令行输入 gpuDevice正常情况会出现: 五、测试gpu跑代码使用gpu跑代码首先需要了解几个函数 gpuArray存储在 GPU 上的数组gather将分布式数组或 gpuArray 传输到本地工作空间gpuDevice查询或选择 GPU 设备arrayfun将函数应用于 GPU 上数组的每个元素最主要的就是前两个了,在运算时,必须将数组等定义为gpuArray类型,代码才会在gpu运行。 若是想把gpuArray对象转为普通数组,就要用到gateer函数了。 gpuArrary支持的函数:参考列表- MATLAB & Simulink- MathWorks 中国 举例: G = gpuArray(X) 将数组复制 X到 GPU 并返回一个gpuArray对象。 G就是一个可以在gpu运行的数组测试速度 输入如下代码在cpu运行并显示时间 tic G=randn(1e4); toc输入如下代码在gpu运行并显示时间 tic G=randn(1e4,'gpuArray'); toc还是快了不少。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |