| 编辑推荐: |
本文主要介绍了如何使用Matlab调用GPU相关内容。希望对你的学习有帮助。
本文来自于CSDN，由火龙果软件Alice编辑推荐。 |
|
前言
同样的一个算法，在matlab中以.m文件运行的时间：
通过mexFunction调用，运行的时间：
在Matlab中有两种方法可以调用GPU进行运算，实现数量级的加速。
方法1：gpuArray
语法如下：
a = ones(512,512,512);
b = 2*ones(512,512,512);
aa = gpuArray(a);
bb = gpuArray(b);
cc = aa .* (bb + 1).^2;
cc = gather(cc);
|
使用函数gpuArray()“包裹”住数组，matlab会自动将数组转到GPU的显存中进行计算。再使用gather()取回结果到内存里。
此方法编程难度很小，一般来说，可以加速2至20倍。
对于复杂的，难以并行的任务，可以采用这种简单的方式。直接在matlab代码中将所有大数组全部用gpuArray包裹起来，然后在计算完成查看结果时使用gather取出数据。几行代码就能加速好几倍。
方法2：通过mexFunction调用CUDA代码
此方法上手难度较高，需要配置环境，学习CUDA代码语法，但是很有收益。
具体是使用matlab函数接口，自己写CUDA程序调用GPU。写好了后能够像matlab函数一样调用，非常方便。
数据通过matlab的.m程序调用，进入c++的内存中，然后c++调用cuda程序接口，传输到gpu显存中，再使用核函数进行计算，此方法能够加速10-2000倍。我的配置为CPU：i7-12700;
GPU：RTX 3090；
调用示例：
[UCT_img_real,UCT_img_imag] = FarFocus_3d5_v1(UCT_data_real_GPU,UCT_data_imag_GPU, ...
x_range,y_range,z_range,loc,single(pos_focus),arg_int,arg_float, ...
single(r1_1),single(r1_2),single(r_2_2));
|
对应的c++代码为：（较长所以就截图了）
接口函数：mexFunction
void mexFunction(int nlhs, mxArray
*plhs[], int nrhs, const mxArray *prhs[])
nlhs：输出参数数目
plhs：指向输出参数的指针
nrhs：输入参数数目
prhs：指向输入参数的指针
环境配置
要使用这种方法，你需要：
- 硬件：英伟达Nvidia的GPU。
- 软件：Matlab，Visual Studio。
第一步安装Visual Studio
版本选择：
首先根据Matlab版本选择Visual Studio，截止2025年4月，只有Matlab
2025b适配了Visual Studio 2022。
所以强烈建议Matlab 2020a至2024b均下载Visual
Studio 2019版本，否则matlab不适配无法编译会报错。这都是血泪史：https://blog.csdn.net/m0_46317675/article/details/135876100?spm=1011.2124.3001.6209
然而官网只能下载Visual Studio 2022。不过我去淘宝几块钱买了2019版本下载安装包，安装包大小只有6MB。
https://pan.baidu.com/s/1WE0Z3IS8SLWdSIjPbN02qw?pwd=3tgj
链接 :
https://pan.baidu.com/s/1WE0Z3IS8SLWdSIjPbN02qw
提取码: 3tgj 复制这段内容后打开百度网盘手机App，操作更方便哦
–来自百度网盘超级会员v3的分享
第二步安装CUDA
推荐教程：CUDA安装教程（超详细Windows版）
安装好后，你就可以调用GPU了，不仅是使用Matlab调用CUDA，python等深度学习也需要安装CUDA
在一步一步安装的时候，如果识别了Visual Studio，则成功，之后的matlab也能成功识别。
第三步配置Matlab环境
1.在matlab命令行中输入
2. 点击【mex -setup C++】，出现提示：
第四步配置系统环境变量
1.按下键盘的win标志键，在windows 里搜索：环境变量
学习助手
订阅
