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 orgpuDevice(): 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
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
