详细介绍如何使用GPU（显卡）跑MATLAB代码

一、概述

想要在GPU跑MATLAB，首先得查看你的电脑是否支持了。

先来了解一个概念——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。

说白了，就是你用显卡进行深度学习等的运算必须要安装cuda包（你可以了理解为一个软件），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。

二、查看cuda版本并安装

依次打开：控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称

可以看到我的电脑支持cuda 10.1版本

 此时就需要在你电脑安装对应版本的cuda版本，可以查看往期教程：

tips：如果有深度学习相关的cudnn也建议安装

 全网最详细的深度学习tensorflow-gpu环境配置_惜洛-Jankin的博客-CSDN博客

……

三、确认MATLAB版本与cuda版本对应

安装好之后需要确认MATLAB版本与cuda版本对应才行，比如我的cuda10.1，只能使用MATLAB2019b与2020a

GPU Support by Release- MATLAB & Simulink- MathWorks 中国

四、在MATLAB查看GPU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：

五、测试gpu跑代码 

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

最主要的就是前两个了，在运算时，必须将数组等定义为gpuArray类型，代码才会在gpu运行。

若是想把gpuArray对象转为普通数组，就要用到gateer函数了。

gpuArrary支持的函数：参考列表- MATLAB & Simulink- MathWorks 中国

举例：

G = gpuArray(X)
将数组复制 X到 GPU 并返回一个gpuArray对象。
G就是一个可以在gpu运行的数组

测试速度

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

 还是快了不少。