matlab怎么将代码在gpu上运行,使用GPU加速MATLAB代码？

使用GPU加速MATLAB代码？

AccelerEyes于2012年12月宣布，它将与Mathworks在GPU代码上合作，并已停止使用MATLAB的产品Jacket：

http://blog.accelereyes.com/blog/2012/12/12/exciting-updates-from-accelereyes/

不幸的是，他们不再销售Jacket许可证。

据我所知，基于ArrayFire的Jacket GPU Array解决scheme比由MATLAB提供的gpuArray解决scheme快得多。

我开始使用gpuArray，但是我发现许多函数执行得不好。 例如一个简单的

myArray(:) = 0

很慢。 我写了一些定制的CUDA-Kernels，但是执行不力的标准MATLABfunction增加了很多开销，即使在整个代码中一直使用gpuArrays。 我通过用手工编写的CUDA代码replace了MATLAB代码来解决了一些问题 – 但我不想重新实现MATLAB标准function。

我缺less的另一个function是稀疏的GPUmatrix。

所以我的问题是：

如何加快由MATLAB提供的糟糕实现的默认GPU实现？ 特别是，如何在使用GPU的MATLAB中加速稀疏matrix运算？

MATLAB确实支持基于CUDA的GPU。 您必须从“并行计算工具箱”访问它。 希望这两个链接也有帮助：

并行计算工具箱function

主要特征

用于在多个处理器上运行任务并行algorithm的并行for循环(parfor)

支持支持CUDA的NVIDIA GPU

通过本地运行的工作人员在桌面上充分使用多核