matlab外接显卡,利用nvidia CUDA加速MATLAB运算
星期六早上去参加了旅英侨界运动会，认识了不少好朋友，也第一次听说了NVidia的CUDA，可以用GPU运算!NV牌八系列以上的芯片组就可以用!我的F8SV完全OK阿！据说利用GPU可以大幅缩短MATLAB矩阵运算的时间，我听了感觉很嗨！当然就投入研究看看啰！
但是想的比做的美，如果乖乖按照NV官网上的教学，我想我到现在还是无法使用吧？最后还是跟先进求救才搞定。就把这步骤记录下来当作我BLOG的第一篇吧！先介绍我的laptop
ASUS F8Sv
OS: VISTA 32bit
MATLAB R2008a
接着看看你的显示适配器是不是支持CUDA，底下是支援列表。
如果你有，恭喜！
如果你跟我不一样显卡，自己从
去找吧！INF档是当EXE自解压缩完成之后要丢进去替换掉的，这样才能顺利安装。安装前记得先移除原来的显示适配器驱动程序。
接着上NV官网找到去当漏区把该抓的三样东西都抓一抓，驱动要第一个灌，上面的INF档一样要塞进来，不然不能顺利安装喔！接着安装另外两个档案toolkit&SDK马上就可以看看NV官方提供的GPU强大威力演示啰！但是这还不够，我要的是MATLAB的API阿！翻来找去，让我找到了Jacket这个project，提供MATLAB用的函示库喔！不需要自己的撰写C语言再用MEX function，真是爽阿。下载后，直接把Jacket提供的函式库加进PATH就搞定了!底下是BLAS范例执行的结果，我就不多做解释了，自己看看有多威吧！BLAS Example 1: Square Matrix Multiplication
Computing the 2x2 benchmark...
On average GPU is 0.177807 times faster than the CPU.
Computing the 4x4 benchmark...
On average GPU is 0.143623 times faster than the CPU.
Computing the 8x8 benchmark...
On average GPU is 0.135356 times faster than the CPU.
Computing the 16x16 benchmark...
On average GPU is 0.182954 times faster than the CPU.
Computing the 32x32 benchmark...
On average GPU is 5.28891 times faster than the CPU.
Computing the 64x64 benchmark...
On average GPU is 1.67258 times faster than the CPU.
Computing the 128x128 benchmark...
On average GPU is 4.13088 times faster than the CPU.
Computing the 256x256 benchmark...
On average GPU is 17.4282 times faster than the CPU.
Computing the 512x512 benchmark...
On average GPU is 139.496 times faster than the CPU.
Computing the 1024x1024 benchmark...
On average GPU is 990.547 times faster than the CPU.
Plotting results...End of BLAS Example 1.
BLAS Example 2: Matrix-Vector Multiplication (Transformation)
Computing the 3x1024 benchmark...
On average GPU is 1.60066 times faster than the CPU.
Computing the 3x2048 benchmark...
On average GPU is 4.33732 times faster than the CPU.
Computing the 3x4096 benchmark...
On average GPU is 13.9893 times faster than the CPU.
Computing the 3x8192 benchmark...
On average GPU is 3.1869 times faster than the CPU.
Computing the 3x16384 benchmark...
On average GPU is 5.72559 times faster than the CPU.
Computing the 3x32768 benchmark...
On average GPU is 8.04638 times faster than the CPU.
matlab外接显卡,利用nvidia CUDA加速MATLAB运算相关推荐
- nvidia显卡加速matlab,利用nvidia cuda加速simulink S-function
本帖最后由 蓝云风翼 于 2010-9-15 21:54 编辑 #define S_FUNCTION_NAME simuCuda /* Defines and Includes */ #define ...
- 利用cuda加速matlab,使用CUDA加速MATLAB程序
MATLAB十分擅长矩阵计算,如能借助CUDA工具箱调用NVIDIA GPU加速并行运算,能起到如虎添翼的效果. 最简单的调用方法是使用gpuArray()函数数据放到GPU上运算,再用gather( ...
- matlab cuda 加速,Matlab中调用CUDA加速的方法……
呃,大家都知道哈,现在nVIDIA显卡的计算能力那是越来越强大了,不利用一下岂不是可惜了,尤其是现在Fermi大大加强了双精度计算能力之后,N卡+Matlab已经变成了我们解决数理问题的强大工具 ...
- ffmpeg利用NVIDIA硬件加速编译
引言 前面有水另外两篇不同的ffmpeg编译的博文,主要是针对不同的命令与相关的调用形式,如果只是在shell命令下直推视频,普通编译加搭建srs3就好了,而如果是需要配合python或者其它编程语言 ...
- 利用NVIDIA-NGC中的MATLAB容器加速语义分割
利用NVIDIA-NGC中的MATLAB容器加速语义分割 Speeding Up Semantic Segmentation Using MATLAB Container from NVIDIA NG ...
- C语言使用CUDA中cufft函数做GPU加速FFT运算，与调用fftw函数的FFT做运算速度对比
目录 任务介绍 环境所需相关软件下载与安装 C语言:不调用库的GPU加速FFT代码 C语言:调用fftw库的未使用GPU的FFT代码 C语言:调用cufft库的GPU加速FFT gnuplot安装画图 ...
- 利用NVIDIA NGC的TensorRT容器优化和加速人工智能推理
利用NVIDIA NGC的TensorRT容器优化和加速人工智能推理 Optimizing and Accelerating AI Inference with the TensorRT Contai ...
- 如何利用计算机多核,如何利用多核电脑实现Matlab的并行运算
2017-05-28 回答 matlab并行运算 目前,新购置的电脑大部分都是多核的了,使用matlab进行大量计算时如何有效利用多核呢?matlab目前版本已经比较好的支持多核并行运算了.是用的ma ...
- matlab 极限积分,实验二MATLAB中的极限和微分积分运算
<实验二MATLAB中的极限和微分积分运算>由会员分享,可在线阅读,更多相关<实验二MATLAB中的极限和微分积分运算(28页珍藏版)>请在人人文库网上搜索. 1.实验二 MA ...
最新文章
- 【AI学习篇】实战深度学习（3）：深度学习的数据表示
- python爬虫 django搜索修改更新数据_一文搞懂Django数据库查询操作
- 网络推广专员如何稳定搜索引擎首页排名全力以赴致力于网络推广
- FLV Extract 1.2.1
- 软件结构B/S和C/S
- 前端学习（1799）：前端调试之清除浮动
- App后台开发运维和架构实践学习总结（1）——App后台核心技术之用户验证方案
- 345. Reverse Vowels of a String【easy】
- 如何在苹果Mac上的多个空间中工作？
- 梯度边缘检测 matlab,梯度边缘检测matlab
- git --amend用法
- FillRect与FrameRect用法
- ardupilot java_基于Eclipse IDE的Ardupilot飞控源码阅读环境搭建
- C#面试经历分享（好好看，好好学）
- 常量指针（Pointer to const）与指针常量（Const pointer）
- 如何判断过拟合和欠拟合，解决手段有哪些？
- 网页策略游戏《绝地战争》完整源码下载
- 2022 年前端技术发展趋势知识小结
- 阻容感基础09：电感器原理（1）-电感器模型
- IDEA开启远程dubug模式