如何在MATLAB上使用GUP加速跑代码 |
您所在的位置:网站首页 › 申通快递收费价目表 › 如何在MATLAB上使用GUP加速跑代码 |
如何在MATLAB上使用GUP加速跑代码
CPU和GPU的主要区别查看CUDA版本并下载安装怎么检查CUDA是否安装成功确认MATLAB与cuda对应版本在MATLAB查看GPU版本测试gpu在MATLAB上跑代码Matlab 有时候在使用GPU加速为什么速度慢
近几年来AMD的CPU性价比很高,但还是推荐使用Intel的CPU。因为Intel在科学计算的积淀很深,MATLAB使用的是Intel MKL(Math Kernel Library)数学核心计算库,而MKL从来没有真正在AMD CPU上测试过,并且计算速度会显著降低。所以,目前仅推荐使用Intel CPU运行MATLAB。而要加快MATLAB代码的运行速度,除了对代码进行优化、向量化编程等手段外,也可以使用GPU来加速计算。 CPU和GPU的主要区别首先我们来看CPU和GPU的主要区别:CPU是电脑的中央处理器,GPU是电脑的图形处理器。 GPU是图像处理器的缩写,它是一种专门为PC或者嵌入式设备进行图像运算工作的微处理器。GPU的工作与上面说过的CPU类似,但又不完全像是,它是专为执行复杂的数学和几何计算而生的,而这游戏对这方面的要求很高,因此不少游戏玩家也对GPU有着很深的感情。 所以,CPU和GPU是两个完全不一样的东西,他们只是名字听起来差不多。CPU和GPU因为最初用来处理的任务就不同,所以设计上有不小的区别,而某些任务和GPU最初用来解决的问题比较相似,所以用GPU来算了,GPU的运算速度取决于雇了多少小学生,CPU的运算速度取决于请了多么厉害的教授,教授处理复杂任务的能力是碾压小学生的,但是对于没那么复杂的任务,还是顶不住人多。当然现在的GPU也能做一些稍微复杂的工作了,相当于升级成初中生高中生的水平,但还需要CPU来把数据喂到嘴边才能开始干活,究竟还是靠CPU来管的。 查看CUDA版本并下载安装我们首先得知道一个基础知识,CUDA:是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。也就是用GPU跑MATLAB代码也必须要用到CUDA包,每一个显卡只能安装对应版本的CUDA包。 怎么在电脑上查看CUDA版本,我的电脑是win11,查看步骤如下:桌面上右击——>显示更多选项 ——>NVIDIA控制面板——>左下角系统信息——>组件——>产品名称 根据如下步骤查看:win+R——>输入cmd——>在命令行中输入 nvcc -V 可以查看版本信息 如何查看cuda的安装位置:win+R——>输入cmd——>在命令行中输入 set cuda 可以查看安装位置信息 安装好之后需要确认MATLAB版本与cuda版本对应才行,比如我的cuda11.6,但是我的没有对应的版本,所以我选择了MATLAB2018b,不影响计算效果。这是截止到MATLAB2020b的版本: 到此你已经安装好了cuda了,MATLAB版本也对,就可以打开MATLAB查看GPU了,若是你没有安装cuda,会提示错误的。在命令行输入 gpuDevice正常情况会出现: 使用gpu跑代码首先需要了解几个函数 gpuArray存储在 GPU 上的数组gather将分布式数组或 gpuArray 传输到本地工作空间gpuDevice查询或选择 GPU 设备arrayfun将函数应用于 GPU 上数组的每个元素速度测试:输入如下代码在cpu运行并显示时间 tic G=randn(1e4); toc输入如下代码在gpu运行并显示时间 tic G=randn(1e4,'gpuArray'); toc运行结果如下: 比如运行如下代码: N=rand(2000,2000); tic [a1,b1]=eig(N); t1=toc tic N=gpuArray(N); [a2,b2]=eig(N); a2=gather(a2); t2=toc运行结果如下: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |