在GPU上运行MATLAB程序

要加快MATLAB代码的运行速度，除了对代码进行优化、向量化编程等手段外，也可以使用GPU来加速计算。

首先，你需要一个支持的GPU，目前仅支持Nvidia的GPU,不同版本的MATLAB对不同架构的GPU支持情况如下,带星号的需要重新编译CUDA。

可以用gpuDevice命令查看是否有支持的gpu，亮机卡GT 1030 也能支持。

GPU运算可以用两种方式实现，

1. 用gpuArray和gather命令；
2. 用GPU CUDA和MEX编程深度加速。

一、gpuArray与gather命令实现GPU Computing

gpuArray能够将内存中已有的数组传递到GPU的显存中，如下

A = randn(1e8,1,'single');
A_gpu = gpuArray(A);

A_gpu现在是一个MATLAB gpuArray对象，代表着储存在GPU内存的一个1e8*1的single数组。上述代码等价于：

A_gpu = randn(1e8,1,'single','gpuArray');

除了randn之外，randi/rand/zeros/ones/inf/nan/eye/false/true等内置的能够生成矩阵的函数均可以通过添加参数‘gpuArray’，直接在显存中生成GPU Array.

gether命令能够将GPU显存中的数组提取到内存中。

A = gather(A_gpu);

下面对MATLAB代码在CPU和GPU中的执行效率做一个简单的对比，测试环境CPU型号为Intel i7 8700 ，6核12线程，超频至4.3GHz。相比之下，GPU为NVIDIA GT 1030，垃圾亮机卡，性能也就集显水平。

用filterDesign设计一个101阶FIR滤波器，导出其滤波器系数为num，num为1个101*1的double数组。注意，不要导出为filter object，filter函数用于gpuArray时，不支持filter object，只能用滤波器系数。

%% 用CPU进行计算
A = randn(1e8,1,'single');
f = @() filter(num,1,A);
timeit(f)   
% 用时0.5472秒