matlab 声明gpu,使用MATLAB轻松享受GPU的强大功能

近年来，使用GPU(通用图形处理器)进行科学计算已变得十分普遍。GPU最初设计用于图像密集型视频游戏产业中的图形渲染绘制，但近年来GPU不断发展，现可用于更广泛的用途。研究人员可对其进行程序设计以执行计算，用于数据分析、数据可视化，以及金融和生物建模等应用。

MATLAB的GPU支持为活跃于许多学科的大量研究人员(不一定是CUDA编程专家)提供了一种加速科学计算的新方法。考虑到MATLAB主要是用于科学计算和工程计算，因此MATLAB最新提供的GPU支持是一种逻辑开发，以便让非编程专家同样能够使用此技术。

有了MATLAB的这些新功能之后，用户便可以利用GPU来实现其应用程序的显著提速，而无需进行低级的C语言程序设计。这一最新技术发展提供了现有方法以外的其他方法来加速特定硬件上的MATLAB算法执行。

使用MATLAB进行GPU程序设计

MATLAB中的CUDA支持为GPU加速后的MATLAB操作提供了基础，并实现了现有CUDA内核与MATLAB应用程序的集成。用户现在可以使用不同的程序设计技术来实现易用性与执行优化两者的适当平衡(参考文献1)。

MATLAB支持启用了CUDA的NVIDIA GPU(具有1.3或更高版本计算功能)，例如Tesla 10系列和基于Fermi架构的尖端Tesla 20系列。GPU 1.3版提供的双浮点精度全面支持是保证大多数科学计算不因速度权衡而损失精度(loss Svb)的先决条件，并且可以将代码更改的需要减到最低。

在MATLAB中实现GPU计算的三种方法加速了整个应用程序的进度，并实现了所需的建模复杂度与执行控制间的权衡方案。

在GPU上执行重载的MATLAB函数

最简单的编程模式包括对GPU(GPU数组)上已加载数据的MATLAB函数直接调用。用户可以决定何时在MATLAB工作区和GPU之间移动数据或创建存储在GPU内存中的数据࿰