|
我们在使用Matlab进行一些数据量巨大或者复杂的计算时，即便使用cpu进行多线程并行计算，有时候速度仍然不尽人意，在这种时候我们可以尝试使用GPU进行加速计算，会有令人意想不到的效果。  首先Matlab的GPU加速目前仅支持NVDIA（英伟达）的显卡，如果不确定自己的显卡型号，可以在Matlab的命令行中键入： gpuDevice() 如下图所示即可查看显卡型号  接下来我们通过一个简单的案例对比cpu和gpu运算的速度。 案例为创建一个5000x5000的随机矩阵，并求出该矩阵的特征向量及特征值 首先是通过cpu正常求解，代码如下 clcclearclose allA=rand(5000,5000);%创建随机矩阵tic[v1,d1]=eig(A);%求解特征向量v1，特征值d1toc 运行后我们看到计算时间为：52.99s  接下来使用GPU加速进行计算，其原理就是将数据从CPU中转移到GPU中，代码如下： clcclearclose allB=rand(5000,5000);%创建随机矩阵B=single(B);%将矩阵转换为单精度（gpu更擅长计算单精度数据）B=gpuArray(B);%将数据由cpu转移至gputic[v2,d2]=eig(B);%求解特征向量v2，特征值d2toc 运行计算后我们可以看到计算时间仅为：11.34s  通过上述简单案例可以发现在计算数据量庞大的问题时，使用GPU加速可以获得成倍的速度提升，大家不妨一试。 |
|
|
