Чтобы ускорить код, сначала попробуйте выполнить его профилирование и векторизацию. Дополнительные сведения см. в разделе Производительность и память. После профилирования и векторизации можно также попробовать использовать графический процессор компьютера для ускорения вычислений. Если все функции, которые требуется использовать, поддерживаются графическим процессором, можно просто использовать gpuArray для передачи входных данных в графический процессор и вызова gather для извлечения выходных данных из графического процессора. Для начала работы с графическим процессором см. раздел Запуск функций MATLAB на графическом процессоре.
Для глубокого обучения MATLAB ® обеспечивает автоматическую параллельную поддержку нескольких графических процессоров. См. раздел Глубокое обучение с помощью MATLAB на нескольких графических процессорах (инструментарий глубокого обучения).
Выполнение функций MATLAB на графическом процессоре
Сотни функций в MATLAB и других панелях инструментов запускаются автоматически на графическом процессоре, если вы поставляете gpuArray аргумент.
Идентификация и выбор устройства графического процессора
В этом примере показано, как использовать gpuDevice для определения и выбора устройства, которое требуется использовать.
Поддержка графического процессора по версии
Поддержка архитектур графического процессора NVIDIA ® в выпуске MATLAB.
Создание массивов на графическом процессоре
A gpuArray в MATLAB представляет массив, который хранится на GPU.
Использование FFT2 на графическом процессоре для моделирования дифракционных диаграмм
В этом примере используется Toolbox™ параллельных вычислений для выполнения двухмерного быстрого преобразования Фурье (FFT) на графическом процессоре.
Выполнение функций MATLAB на нескольких графических процессорах
В этом примере показано, как запускать код MATLAB на нескольких графических процессорах параллельно, сначала на локальном компьютере, а затем масштабировать до кластера.
Сеть поездов с автоматической поддержкой нескольких графических процессоров
В этом примере показано, как использовать несколько графических процессоров на локальном компьютере для глубокого обучения с использованием автоматической параллельной поддержки.
Повышение производительности отдельных функций MATLAB ® на GPU с помощью ARRAYFUN
В этом примере показано, как arrayfun может использоваться для выполнения функции MATLAB ® на графическом процессоре .
Повышение производительности малого матричного процессора с помощью PAGEFUN
В этом примере показано, как использовать pagefun для повышения производительности применения большого количества независимых поворотов и перемещений к объектам в среде 3-D.
Измерение и повышение производительности графического процессора
Используйте тесты тестирования в MATLAB для измерения производительности графического процессора.
Сравнительный анализ A\b на GPU
В этом примере показано, как мы можем сопоставить решение линейной системы на GPU.
Профилируйте свой код, чтобы повысить производительность
Используйте Profiler, чтобы измерить время, необходимое для выполнения кода, и определить, какие строки кода потребляют больше всего времени или какие строки не выполняются.
Создание новой версии скалярно-ориентированного кода на основе цикла для использования матричных и векторных операций MATLAB.
Управление потоками случайных чисел на GPU для генерации тех же последовательностей случайных чисел, что и на CPU.
Генерация случайных чисел на графическом процессоре
В этом примере показано, как переключаться между различными генераторами случайных чисел, которые поддерживаются графическим процессором.
В этом примере используется «Игра жизни» Конвея для демонстрации того, как можно выполнять трафаретные операции с помощью графического процессора.
