Matlab编程的GPU加速

如果当前matlab支持GPU，可直接在命令行输入 gpuDevice 查看GPU信息， methods('gpuArray')可查询支持GPU操作的函数，这里的GPU目前必须是N卡即nvidia的GPU ，需要提前安装GPU 驱动。

1.使用GPU 运算的数据必须为GPU数据类型（除非GPU函数另有说明）
2.标量，常数一般没有转移的必要
3.只要GPU支持的函数使用GPU数据计算后的结果还保存在GPU上，（除非使用gather函数返回CPU）max正好是GPU支持的函数，所以不需要在CPU上求max。

从Matlab2013版本开始，matlab将可以直接调用gpu进行并行计算，而不再需要安装GPUmat库。这一改动的好处是原有的matlab内置函数都可以直接运用，只要数据格式是gpuArray格式的，那么计算过程会自动的调用GPU进行计算，不可谓不方便。

具体操作起来，只要知道下面几个函数就可以像编写简单的m文件一样，进行matlab的GPU编程：

1.GPU设备确认函数

1）n=gpuDeviceCount  %返回设备上的GPU数目

2）gpuDevice         %选择GPU设备

   D=gpuDevice or gpuDevice(): 如果当前还未设置选择的GPU，则选择默认的GPU，D是返回对象；如果已经设    置了GPU，则返回设置的GPU对象。

   D=gpuDevice(IDX): 表示选择IDX对应的GPU设置，D是返回对象

   %PS： 目前的GPU设置一般至少包含两个GPU，分别用1和2表示对应的IDX。

3）reset(gpudev) %清空gpu的内存，类似matlab的clear的功能。其中gpudev是gpuDevice所返回的对象。

2.GPU以CPU之间的交互

1）gpuArray（CPU-->GPU）

   主要有两个功能：

   I） 将CPU内存数据传导到GPU内存中

   例子-1：

   X=rand(10,'single'); %定义在CPU上的一个10x10的随机初始化数组

   GX=gpuArray(X);      %在GPU开始数组GX，并且将X的值赋给GX

   GX2=GX.*GX；         %GPU上执行数组对应位置的点乘

   II）在GPU内存中随机初始化一些内存数据。

   例子-2：

   GX=rand(10,'gpuArray'); %直接在GPU设备上随机初始化一个10x10的数组

   %%PS：常用的随机初始化函数有：eye, ones, zeros, rand, randi, randn.

2）gather(GPU-->CPU)

   主要是将GPU内存中的数据拷贝回CPU内存中。

   继续例子-1

   X2=gather(GX2)       %将GPU内存中的数组GX2赋值给CPU中的X2

3）TF=existOnGPU(DATA)

   用于判断DATA是否存在于GPU内存中。如果不存在则返回false。

3.计算效率统计

  t=gputimeit(F,N)     %返回执行F操作N次所需的时间，当N=1时可以缺省