使用Matlab调用GPU，加速1000倍以上

mabucai

于 2025-04-23 11:17:02 发布

阅读量1.1k

点赞数 16

文章标签： matlab 开发语言 gpu算力

本文链接：https://blog.csdn.net/m0_46317675/article/details/147285491

版权

前言

同样的一个算法，在matlab中以.m文件运行的时间：
在这里插入图片描述
通过mexFunction调用，运行的时间：

在这里插入图片描述

在Matlab中有两种方法可以调用GPU进行运算，实现数量级的加速。

方法1：gpuArray

语法如下：

a = ones(512,512,512);
b = 2*ones(512,512,512);
aa = gpuArray(a); % 将数组转到GPU中计算
bb = gpuArray(b); % 数据必须都转到GPU中，GPU显存与CPU内存数据不通用
cc = aa .* (bb + 1).^2;
cc = gather(cc); % 使用gather从GPU取出数据到CPU

使用函数gpuArray()“包裹”住数组，matlab会自动将数组转到GPU的显存中进行计算。再使用gather()取回结果到内存里。
此方法编程难度很小，一般来说，可以加速2至20倍。
对于复杂的，难以并行的任务，可以采用这种简单的方式。直接在matlab代码中将所有大数组全部用gpuArray包裹起来，然后在计算完成查看结果时使用gather取出数据。几行代码就能加速好几倍。

方法2：通过mexFunction调用CUDA代码

此方法上手难度较高，需要配置环境，学习CUDA代码语法，但是很有收益。
具体是使用matlab函数接口，自己写CUDA程序调用GPU。写好了后能够像matlab函数一样调用，非常方便。
数据通过matlab的.m程序调用，进入c++的内存中，然后c++调用cuda程序接口，传输到gpu显存中，再使用核函数进行计算，此方法能够加速10-2000倍。我的配置为CPU：i7-12700; GPU：RTX 3090；

调用示例：

[UCT_img_real,UCT_img_imag] = FarFocus_3d5_v1(UCT_data_real_GPU,UCT_data_imag_GPU, ...
    x_range,y_range,z_range,loc,single(pos_focus),arg_int,arg_float, ...
    single(r1_1),single(r1_2),single(r_2_2));

对应的c++代码为：（较长所以就截图了）
在这里插入图片描述
接口函数：mexFunction
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
nlhs：输出参数数目
plhs：指向输出参数的指针
nrhs：输入参数数目
prhs：指向输入参数的指针

环境配置

要使用这种方法，你需要：

硬件：英伟达Nvidia的GPU。
软件：Matlab，Visual Studio。

第一步安装Visual Studio

版本选择：
首先根据Matlab版本选择Visual Studio，截止2025年4月，只有Matlab 2025b适配了Visual Studio 2022。
所以强烈建议Matlab 2020a至2024b均下载Visual Studio 2019版本，否则matlab不适配无法编译会报错。这都是血泪史：https://blog.csdn.net/m0_46317675/article/details/135876100?spm=1011.2124.3001.6209
然而官网只能下载Visual Studio 2022。不过我去淘宝几块钱买了2019版本下载安装包，安装包大小只有6MB。

https://pan.baidu.com/s/1WE0Z3IS8SLWdSIjPbN02qw?pwd=3tgj
链接:
https://pan.baidu.com/s/1WE0Z3IS8SLWdSIjPbN02qw
提取码: 3tgj 复制这段内容后打开百度网盘手机App，操作更方便哦
–来自百度网盘超级会员v3的分享

第二步安装CUDA

推荐教程：CUDA安装教程（超详细Windows版）
安装好后，你就可以调用GPU了，不仅是使用Matlab调用CUDA，python等深度学习也需要安装CUDA
在一步一步安装的时候，如果识别了Visual Studio，则成功，之后的matlab也能成功识别。
在这里插入图片描述

第三步配置Matlab环境

在matlab命令行中输入

mex -setup

在这里插入图片描述
2. 点击【mex -setup C++】，出现提示：

第四步配置系统环境变量

1.按下键盘的win标志键，在windows里搜索：环境变量
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/ec90741b15be43a9bee4281bb46508aa.png

点击：【环境变量】

在系统变量里找到：【Path】

在系统变量的Path变量中添加所安装matlab文件夹中的extern\lib\win64\microsoft，matlab\lib\win64和matlab\bin\win64。

在这里插入图片描述

第五步配置Visual Studio项目环境配置

创建新项目
在这里插入图片描述
如果正确安装了CUDA，并且重启了电脑和Visual Studio后，Visual Studio可以识别CUDA Runtime，选择它，点击【下一步】

随便命个名字，点击【创建】

点击【本地Windows调试器】，直接开始编译运行。

如果编译没有报错，且有如下输出，则你已经可以利用Visual Studio开发GPU的CUDA代码了
在这里插入图片描述

第六步，配置Visual Studio环境以能通过Matlab调用

打开【视图】中的【解决方案资源管理器】
在这里插入图片描述
点击齿轮

首先对VC++ 目录栏中得包含目录及库目录进行配置。在包含目录中添加所安装matlab文件夹中的extern\include和extern\include\win64,在库目录中添加extern\lib\win64\microsoft。不知道Matlab安装在哪的可以下载一个软件：Everthing
Everything下载地址
然后搜索：【mat.h】即可知道文件夹路径
在这里插入图片描述
添加extern\include和extern\include\win64到外部包含目录

在这里插入图片描述
在库目录中添加extern\lib\win64\microsoft

在这里插入图片描述

在【链接器】的【常规】的【附加库目录】添加：extern\lib\win64\microsoft

最后配置链接器输入选项栏中的附加依赖项。在附加依赖项中添加：libmat.lib、libmx.lib、libmex.lib、libeng.lib、cufft.lib
前4个lib是Matlab调用的时候要用的，最后一个是给GPU傅里叶变换用的
在这里插入图片描述

编写CUDA代码

到这里你已经完成了环境上的配置，接下来用一个简单的计算代码来验证编译和验证路径，体验GPU的极致加速吧。

TODO；