matlab gpu程序效率,如何利用GPU（CUDA）加速Matlab程序？

在Matlab中调用GPU的CUDA API进行并行加速，主要有两种途径：

1)对现有Matlab代码的简单改写，调用Matlab中支持CUDA的函数进行加速。

2)将C语言的CUDA函数封装成库，在Matlab中进行调用。

前者简单方便，效率低；后者效率高，稍微麻烦。

一、matlab中直接的gpu加速计算

matlab中直接做GPU计算分为三个步骤。

(1)数据的初始化

使用gpuArray()则可生成gpu端数据，a=gpuArray(b)，即为将cpu端数据b拷贝到gpu端的a中。

(2)对GPU数据进行操作

可以使用matlab中的库函数对gpuarray直接进行操作。

(3)把GPU上的数据回传给CPU

使用gather()则可将gpu端的数据传回cpu端。

二、 Matlab中调用CUDA C

配置环境

(1)Matlab环境配置：

1mex -setupC  配置编译器。注：若c语言编译器和matlab版本不匹配系统会报错：找不到编译器活SDK等。配置成功后显示下图所示信息。

2 mex -setup c++ 选择语言，在编译器配置成功后选择所需的语言。配置成功后显示如下图所示信息。