Форматируйте нейронные данные для эффективного обучения или симуляции графического процессора
nndata2gpu(x)
[Y,Q,N,TS] = nndata2gpu(X)
nndata2gpu(X,PRECISION)
nndata2gpu требует Parallel Computing Toolbox™.
nndata2gpu(x) принимает N-by- Q матрица X от Q
N- векторы-столбцы element, и возвращает его в форме для обучения и симуляции нейронной сети на текущем устройстве GPU.
The N-by- Q матрица становится QQ-by- N gpuArray, где QQ является Q округлить до следующего кратного 32. Дополнительные строки (Q+1):QQ заполнены NaN значения. gpuArray имеет ту же точность ('single' или 'double') как X.
[Y,Q,N,TS] = nndata2gpu(X) может также взять M-by- TS массив ячеек M сигналы по TS временные шаги. Каждый элемент X{i,ts} должен быть Ni-by- Q матрица Q
Ni-элементные векторы, представляющие iвектор первого сигнала в временной шаг ts, по всем Q временные ряды. В этом случае Y gpuArray возвращен QQ-by- (sum(Ni)*TS). Размерности Ni, Q, и TS также возвращаются, чтобы их можно было использовать с gpu2nndata для выполнения обратного форматирования.
nndata2gpu(X,PRECISION) задает точность по умолчанию для gpuArray, которая может быть 'double' или 'single'.
Скопируйте матрицу в графический процессор и обратно:
x = rand(5,6) [y,q] = nndata2gpu(x) x2 = gpu2nndata(y,q)
Скопируйте данные массивы ячеек нейронной сети, представляющие четыре временных рядов, каждый из которых состоит из пяти временных шагов 2-элементных и 3-элементных сигналов:
x = nndata([2;3],4,5) [y,q,n,ts] = nndata2gpu(x) x2 = gpu2nndata(y,q,n,ts)