Aceleración de algoritmos mediante 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).
Temas
- Run MATLAB Functions on a GPU (Parallel Computing Toolbox)
Supply a
gpuArray
argument to automatically run functions on a GPU. - GPU Computing Requirements (Parallel Computing Toolbox)
Support for NVIDIA® GPU architectures.
- 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 deep learning and time-frequency analysis.
- GPU Acceleration of Scalograms for Deep Learning (Wavelet Toolbox)
Use your GPU to accelerate feature extraction for signal classification.