Чтобы ускорить ваш код, можно попытаться использовать графический процессор компьютера. Если все функции, которые вы хотите использовать, поддерживаются на графическом процессоре, можно просто использовать gpuArray функционируйте, чтобы передать входные данные графическому процессору и вызвать gather функция, чтобы получить выходные данные из графического процессора. Для глубокого обучения, MATLAB® оказывает автоматическую параллельную поддержку для нескольких графических процессоров. Вам нужен Parallel Computing Toolbox™, чтобы включить поддержку графического процессора.
Для списка функций, которые принимают массивы графического процессора, см. Функциональный Список (Массивы графического процессора).
Запустите функции MATLAB на графическом процессоре (Parallel Computing Toolbox)
Сотни функций в MATLAB и других тулбоксах запускаются автоматически на графическом процессоре, если вы предоставляете a gpuArray Аргумент (Parallel Computing Toolbox).
Поддержка графического процессора релизом (Parallel Computing Toolbox)
Поддержка NVIDIA® Архитектуры графического процессора релизом MATLAB.
Запустите функции MATLAB на нескольких графических процессорах (Parallel Computing Toolbox)
В этом примере показано, как запустить код MATLAB по нескольким графическим процессорам параллельно, сначала по вашей локальной машине, затем масштабировав до кластера.
Глубокое обучение для MATLAB на нескольких графических процессорах (Deep Learning Toolbox)
Ускорьте обучение глубокой нейронной сети, использующее несколько графических процессоров локально или в облаке.
Пешеход и классификация велосипедистов Используя глубокое обучение (Radar Toolbox)
Классифицируйте пешеходов и велосипедистов на основе их micro-Doppler характеристик с помощью нейронной сети для глубокого обучения и частотно-временного анализа.
Ускорение графического процессора Scalograms для глубокого обучения (Wavelet Toolbox)
Используйте свой графический процессор, чтобы ускорить извлечение признаков для классификации сигнала.
