Чтобы ускорить код, попробуйте использовать графический процессор компьютера. Если все функции, которые вы хотите использовать, поддерживаются на GPU, вы можете просто использовать gpuArray для передачи входных данных в графический процессор и вызова gather для извлечения выходных данных из графического процессора. Для глубокого обучения MATLAB ® обеспечивает автоматическую параллельную поддержку нескольких графических процессоров. Для поддержки графического процессора необходима Toolbox™ параллельных вычислений.
Список функций, принимающих массивы GPU, см. в разделе Список функций (массивы GPU).
Выполнение функций MATLAB на графическом процессоре (панель инструментов параллельных вычислений)
Сотни функций в MATLAB и других панелях инструментов запускаются автоматически на графическом процессоре, если вы поставляете gpuArray(Панель инструментов параллельных вычислений).
Поддержка графического процессора по выпуску (панель инструментов параллельных вычислений)
Поддержка архитектур графического процессора NVIDIA ® в выпуске MATLAB.
Выполнение функций MATLAB на нескольких графических процессорах (панель инструментов параллельных вычислений)
В этом примере показано, как запускать код MATLAB на нескольких графических процессорах параллельно, сначала на локальном компьютере, а затем масштабировать до кластера.
Глубокое обучение с помощью MATLAB на нескольких графических процессорах (инструментарий глубокого обучения)
Укажите несколько графических процессоров для использования локально или в облаке для обучения.
Классификация пешеходов и велосипедистов с использованием глубокого обучения (радар-инструментарий)
Классифицировать пешеходов и велосипедистов на основе их микродоплеровских характеристик с использованием сети глубокого обучения и частотно-временного анализа.
Ускорение скалограмм графического процессора для глубокого обучения (Wavelet Toolbox)
В этом примере показано, как можно ускорить вычисление скалограммы с помощью графических процессоров.