Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Aceleración de algoritmos mediante GPU

Acelere su código mediante el cálculo básico de la GPU

Para acelerar su código, puede intentar utilizar la GPU de su ordenador. Si todas las funciones que quiere utilizar son compatibles con la GPU, puede utilizar simplemente la función gpuArray para transferir los datos de entrada a la GPU y llamar a la función gather para recuperar los datos de salida de la GPU. En deep learning, MATLAB® proporciona soporte paralelo automático para varias GPU. Necesita Parallel Computing Toolbox™ para habilitar el soporte de GPU.

Para obtener una lista de las funciones que admiten arreglos de GPU, consulte Lista de funciones (arreglos de GPU).

Funciones

gatherTransfer distributed array or gpuArray to local workspace
gpuArrayArray stored on GPU

Temas

Run MATLAB Functions on a GPU (Parallel Computing Toolbox)

Hundreds of functions in MATLAB and other toolboxes run automatically on a GPU if you supply a gpuArray (Parallel Computing Toolbox) argument.

GPU Support by Release (Parallel Computing Toolbox)

Support for NVIDIA® GPU architectures by MATLAB release.

Run MATLAB Functions on Multiple GPUs (Parallel Computing Toolbox)

This example shows how to run MATLAB code on multiple GPUs in parallel, first on your local machine, then scaling up to a cluster.

Deep Learning with MATLAB on Multiple GPUs (Deep Learning Toolbox)

Speed up deep neural network training using multiple GPUs locally or in the cloud.

Pedestrian and Bicyclist Classification Using Deep Learning (Radar Toolbox)

Classify pedestrians and bicyclists based on their micro-Doppler characteristics using a deep learning network and time-frequency analysis.

GPU Acceleration of Scalograms for Deep Learning (Wavelet Toolbox)

Use your GPU to accelerate feature extraction for signal classification.

Información relacionada