如果当前matlab支持GPU，可直接在命令行输入 gpuDevice 查看GPU信息， methods('gpuArray')可查询支持GPU操作的函数，这里的GPU目前必须是N卡即nvidia的GPU ，需要提前安装GPU 驱动。

1.使用GPU 运算的数据必须为GPU数据类型（除非GPU函数另有说明）
2.标量，常数一般没有转移的必要
3.只要GPU支持的函数使用GPU数据计算后的结果还保存在GPU上，（除非使用gather函数返回CPU）max正好是GPU支持的函数，所以不需要在CPU上求max。

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 gpuDevice %选择GPU设备 D=gpuDevice or gpuDevice(): 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。 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。 如果您希望将机器学习(ML)项目的速度和可扩展性提升到新的水平， GPU 加速 的数据分析可以帮助您以突破性的性能快速提供见解。从更快的计算到高效的模型训练， GPU 为日常的机器学习任务带来了许多好处。 此示例演示如何在图形处理单元 （ GPU ） 上或通过代码生成 （MEX） 而不是 MATLAB 解释器来模拟混乱。该示例将样本矩阵反演 （SMI） 算法（流行的时空自适应处理 （STAP） 技术之一）应用于具有六元素均匀线性阵列 （ULA） 的机载雷达接收的信号。该示例重点比较 GPU 、代码生成和 MATLAB 解释器之间的杂波模拟性能。您可以在示例时空自适应处理简介中找到模拟和算法的详细信息。 一、杂波模拟 雷达系统工程师经常需要仿真杂波返回来测试信号处理算法，例如 STAP 算法。但是，生成高保真杂波返回涉及许多步骤，因此计算成本通常很高。例如，使用以下步骤模拟杂波 将整个地形划分为杂乱的小块。图块的大小取决于方位角图片跨度和范围分辨率。 对于每个补丁，计算其相应的参数，例如随机回波、掠角和天线阵列增益。 合并所有待筛选块的返回以生成总杂波返回。 杂乱补丁的数量取决于地形覆盖范围，但通常在数千到数百万的范围内。此外，需要为每个脉冲执行上述所有步骤（假设使用脉冲雷达）。因此，杂波仿真通常是系统仿真中的高杆。 为了提高杂波模拟的速度，可以利用并行计算。请注意，后期脉冲的杂波返 matlab 在运行一些大型程序时会比较慢，如果你的电脑正好有一张不错的显卡，那么为什么不用显卡来 加速 matlab 运行呢？本文将讲解如何使用 gpu 来 加速 matlab 运行程序，并总结适合 gpu 加速 的 matlab 程序。电脑上要有显卡，显卡要有cudacore。............... 1. 简介 高性能计算(High Performance Computing，HPC)是计算机科学的一个分支，研究并行算法和开发相关软件，致力于开发高性能计算机。可见并行计算是高性能计算的不可或缺的重要组成部分。 1.1 并行计算 并行计算（ Par allel Computing）是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种... 在计算机领域，随着计算机硬件的发展，多核处理器已经成为主流，多线程 编程 也成为了必不可少的技能。在 Matlab 中，为了充分利用多核处理器的计算能力，提高程序的运行效率， Matlab 提供了一种并行运算的方法—— par for。 par for是 par allel for的缩写，它可以在多个处理器核心上并行执行for循环语句。与常规的for循环语句相比， par for语句可以使循环中的每个迭代独立地执行，从而提高程序的运行效率。 通过将数据传输到 GPU 上，并在 GPU 上执行计算操作，可以 加速 各种科学计算和数据处理任务。近年来，图形处理器（ GPU ）的发展带来了计算能力的巨大提升，为各种科学计算和数据处理任务提供了强大的支持。在本文中，我们将介绍如何在 MATLAB 中利用 GPU 加速 计算，并提供相应的源代码示例。如果您想了解更多关于 MATLAB 和 GPU 计算的信息，可以参考 MATLAB 的官方文档和示例代码。可以方便地在 GPU 上并行执行循环体中的操作。通过使用适当的并行计算技术，可以充分发挥 GPU 在计算密集型任务中的潜力，提高计算效率。 一、并行计算 MATLAB 提供了并行计算的功能，可以充分利用多核处理器和分布式计算资源，显著提高代码执行效率。在 MATLAB 中进行并行计算的主要工具有 Par allel Computing Toolbox和 par for循环。 Par allel Computing Toolbox Par allel Computing Toolbox是 MATLAB 提供的一套用于并行计算的工具 思路一，原始的代码里头用了循环套循环的方法来做，但是这种方法在 matlab 这种以矩阵运算见长的语言上是不适合的。最近遇到1500*1500*1500*1500量级的运算。用 matlab 来计算的话运算效率极低。说明 matlab 在cpu内对三维以上的矩阵运算优化不够？由于占用的内存实在是太多了。效率还是不如不加矩阵运算的初始版本。 使用 GPU 加速 MATLAB 代码？AccelerEyes于2012年12月宣布，它将与Mathworks在 GPU 代码上合作，并已停止使用 MATLAB 的产品Jacket：http://blog.accelereyes.com/blog/2012/12/12/exciting-updates-from-accelereyes/不幸的是，他们不再销售Jacket许可证。据我所知，基于ArrayFire的J... 软件版本： Matlab 2015a (windows10+i7-4710hq 16G+GTX860M 4G) 当然，在使用 GPU 之前，要安装NVIDIA的驱动与CUDA的toolkit。 这些可以去NVIDIA develop下载。 1. Matlab 多线程. preference->Computer Vision