Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

GPU 알고리즘 가속

기본 GPU 연산을 사용하여 코드 실행 속도 향상

코드 실행 속도를 높이기 위해 컴퓨터의 GPU를 사용해 볼 수 있습니다. 사용하려는 모든 함수가 GPU에서 지원되는 경우 gpuArray 함수를 사용하여 입력 데이터를 GPU에 전달하고 gather 함수를 호출하여 GPU에서 출력 데이터를 가져올 수 있습니다. 딥러닝의 경우 MATLAB®은 다중 GPU에 대한 자동 병렬 연산을 지원합니다. GPU 지원을 사용하려면 Parallel Computing Toolbox™가 필요합니다.

GPU 배열을 받는 함수 목록은 함수 목록(GPU 배열)을 참조하십시오.

함수

gather로컬 작업 공간으로 분산 배열 또는 gpuArray 전송
gpuArrayGPU에 저장된 배열

도움말 항목

GPU에서 MATLAB 함수 실행하기 (Parallel Computing Toolbox)

많은 MATLAB 함수와 여러 툴박스가 gpuArray (Parallel Computing Toolbox) 인수를 제공받으면 자동으로 GPU에서 실행됩니다.

릴리스별 GPU 지원 (Parallel Computing Toolbox)

MATLAB 릴리스에서 NVIDIA® GPU 아키텍처 지원.

Run MATLAB Functions on Multiple GPUs (Parallel Computing Toolbox)

This example shows how to run MATLAB code on multiple GPUs in parallel, first on your local machine, then scaling up to a cluster.

복수의 GPU에서 MATLAB을 사용한 딥러닝 (Deep Learning Toolbox)

로컬에서 또는 클라우드에서 훈련에 사용할 복수의 GPU를 지정합니다.

Pedestrian and Bicyclist Classification Using Deep Learning (Radar Toolbox)

Classify pedestrians and bicyclists based on their micro-Doppler characteristics using a deep learning network and time-frequency analysis.

GPU Acceleration of Scalograms for Deep Learning (Wavelet Toolbox)

Use your GPU to accelerate feature extraction for signal classification.