Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Procesamiento de imágenes en una GPU

Para aprovechar las ventajas de rendimiento que ofrece una unidad de procesamiento de gráficos (GPU) moderna, se han habilitado ciertas funciones para realizar operaciones de procesamiento de imágenes en una GPU.Image Processing Toolbox™ Esto puede proporcionar aceleración de GPU para flujos de trabajo de procesamiento de imágenes complicados. Estas técnicas se pueden implementar exclusivamente o en combinación para satisfacer los requisitos de diseño y los objetivos de rendimiento.

Para ejecutar código de procesamiento de imágenes en una unidad de procesamiento de gráficos (GPU), debe tener el software.Parallel Computing Toolbox™ Para realizar una operación de procesamiento de imágenes en una GPU, siga estos pasos:

  • Mueva los datos de la CPU a la GPU. Utilice la función para transferir una matriz desde la GPU.gpuArrayMATLAB® Para obtener más información, consulte .Create GPU Arrays from Existing Data (Parallel Computing Toolbox)

  • Realice la operación de procesamiento de imágenes en la GPU. Cualquier función de cuadro de herramientas que acepte un objeto como entrada puede funcionar en una GPU.gpuArray Por ejemplo, puede pasar a la función para realizar la operación de filtrado en una GPU.gpuArrayimfilter Para obtener una lista de todas las funciones de la caja de herramientas habilitadas para GPU, consulte .Lista de funciones admitidas con limitaciones y otras notas

  • Vuelva a mover los datos a la CPU desde la GPU. Utilice la función para recuperar una matriz de la GPU y transferirla al área de trabajo como una matriz normal.gatherMATLABMATLAB

Al trabajar con una GPU, tenga en cuenta lo siguiente:

  • Las mejoras de rendimiento pueden depender del dispositivo GPU.

  • Puede haber pequeñas diferencias en los resultados devueltos en una GPU de los devueltos en una CPU.

Para obtener información sobre la integración de kernels CUDA personalizados directamente en para acelerar algoritmos complejos, consulte .MATLABRun CUDA or PTX Code on GPU (Parallel Computing Toolbox)

Consulte también

|

Ejemplos relacionados

Más acerca de