为了提高大规模数据处理的能力，matlab 的 GPU 并行计算，本质上是在 cuda 的基础上开发的 wrapper，也就是说 matlab 目前只支持 NVIDIA 的显卡。

1. GPU 硬件支持

首先想要在 matlab 中使用 GPU 加速运算，需要计算机配备有 NVIDIA 的显卡，可在 matlab 中运行：

>> gpuDevice

如果本机有 GPU 支持，会列出 CUDADevice 的相关属性。

2. GPU 和 CPU 之间的数据传递

• gpuArray：将定义在 CPU 上的矩阵转换为 GPU 模式；

  X=rand(10,'single'); 
  GX=gpuArray(X);      
  GX2=GX.*GX;         

• gather：将 GPU 内存中的数据拷贝到 CPU 内存中

• 在一些函数中通过相关参数进行 GPU 支持；

  • rand(10, ‘gpuArray’)

3. tips

• 有时候 GPU 受限于硬件架构，单精度的计算远快于双精度。这时候可以考虑在拷贝的时候顺便转换一下精度 A = gpuArray(single(B)) 以进一步提高运算速度 。

• 对于一些代码结构较为复杂的程序，除了 matlab 提供的内置函数进行 GPU 加速外，matlab 还可调用 .cu 文件

  • matlab + c/c++ 的混合编程能把 .c, .cc, .cpp 等文件编译为可供使用的 mex 文件，
  • 对于 cuda 程序（.cu），matlab 则可调用相关编译工具，将其编译为 .ptx 文件；

Matlab之GPU加速方法