matlab gpu程序效率,GPU中的并行运算，加速你的Matlab程序

原标题：GPU中的并行运算，加速你的Matlab程序

Matlab本就擅长矩阵计算，其借助CUDA工具箱调用NvidiaGPU加速并行运算，可以起到如虎添翼的效果。今天给大家介绍一下CUDA的基础知识以及如何快速在Matlab中调用工具箱对程序进行加速。

CUDA，Compute Unified Device Architecture 统一计算设备架构

CUDA编程模型是将CPU作为主机，GPU作为协处理器或者叫设备，一般情况下，CPU负责进行逻辑性强的事务处理和串行计算，GPU则专注于执行高度线程化的并行处理任务。各自拥有相互独立的存储地址空间，也就是主机端的内存和设备端的显存。

操作显存需要调用CUDA API中的存储器管理函数，操作包括开辟、释放、初始化显存空间等，在主机端和设备端之间进行数据传输等。运行在GPU上的CUDA并行计算函数称为Kernel(内核函数)，一个kernel函数并不是一个完整的程序，而是整个程序中的一个可以被并行执行的步骤，一个完整的CUDA程序是有一系列的设备端Kernel函数并行步骤和主机端的串行处理步骤共同完成。

Matlab目前仅支持Nvidia