加快相关使用GPU进行
此示例示出了如何GPU可被用于加速互相关。许多相关问题涉及大型数据集和使用GPU可以更快地得到解决。要使用这个例子中，你必须有一个并行计算工具箱™用户许可和支持CUDA的NVIDIA GPU计算能力1.3或更高版本。
介绍
为了执行这个例子，你必须有1.3或更高的ComputeCapability一个GPU。您访问使用并行计算工具箱产品的GPU。首先，重要的是要知道在你的机器上GPU的基本信息。
fprintf中（“标杆GPU加速的互相关。\ n”）;如果〜（parallel.gpu.GPUDevice.isAvailable）fprintf中（[“\ n \吨** GPU不具有1.3或计算能力”...“更大。停止。** \ n”]）;返回;其他dev的= gpuDevice;fprintf中（...'GPU检测（％S，％d多处理器，计算能力％S）'，...dev.Name，dev.MultiprocessorCount，dev.ComputeCapability）;结束
标杆GPU加速的互相关。GPU检测（特斯拉C2075，14个多处理器，计算能力2.0）
功能标杆
因为用于CPU写的代码可以移植到运行在GPU上，一个单独的函数可以被用于基准，CPU和GPU。然而，由于在GPU上的代码从CPU异步执行，特殊的预防措施，应衡量绩效时考虑。测量执行一个功能所花费的时间之前，确保所有GPU处理已经由该设备上执行的“等待”方法完成。这个额外的呼叫会对CPU性能没有影响。
本实施例中基准测试三种不同类型的互相关的。
基准简单的互相关
对于第一种情况，两个相同大小的矢量是互相关的使用语法xcorr（U，V）。的CPU执行时间到GPU执行时间的比率绘制为矢量的大小。
fprintf中（'\ n \ n ***基准向量 - 向量互相关*** \ n \ n'）;fprintf中（'标杆功能：\ n'）;类型（'benchXcorrVec'）;fprintf中（'\ n \ n'）;尺寸= [2000 1E4 1E5 5E5 1E6];TC =零（1，numel（尺寸））;TG =零（1，numel（尺寸））;numruns = 10;对于S = 1：numel（大小）;fprintf中（'跑步％d元素xcorr ... \ N'，大小（S））;delchar = repmat（'\ B'，1，numruns）;一个=兰特（尺寸（S），1）;B =兰特（尺寸（S），1）;TC（S）= benchXcorrVec（A，B，numruns）;fprintf中（[delchar'\吨\ TCPU时间：％.2f MS \ N']，1000 * TC（S））;TG（S）= benchXcorrVec（gpuArray（a）中，gpuArray（b）中，numruns）;fprintf中（[delchar'\吨\ tGPU时间：％.2f MS \ N']，1000 * TG（S））;结束％绘制结果无花果=图。AX =轴（“父”， 图）;semilogx（AX，尺寸，tc./tg，'R * - '）;ylabel（斧，'加速'）;xlabel（斧，“矢量大小”）;标题（斧，“XCORR的GPU加速”）;的DrawNow;
***基准向量 - 向量互相关***基准函数：函数T = benchXcorrVec（U，V，numruns）％用于基准xcorr与CPU和GPU上矢量输入。％版权所有2012 MathWorks公司timevec =零（1，numruns）;gdev = gpuDevice;对于II = 1：numruns TS =抽动;O = xcorr（U，V）;％＃确定等待（gdev）timevec（II）= TOC（TS）;fprintf中（ ''）;结束吨=分钟（timevec）;运行结束xcorr 2000元的... CPU时间：0.74毫秒GPU时间：3.51毫秒运行10000元的xcorr ... CPU时间：1.98毫秒GPU时间：3.69毫秒运行100000个元素xcorr ... CPU时间：16.16毫秒GPU时间：5.47毫秒运行500000个元素xcorr ... CPU时间：84.70毫秒GPU时间：15.51毫秒运行百万元的xcorr ... CPU时间：325.30毫秒GPU时间：28.03毫秒
标杆矩阵列互相关
对于第二种情况下，矩阵A的列是成对交叉相关，以产生使用语法xcorr（A）的所有相关性的大的矩阵输出。的CPU执行时间到GPU执行时间的比率绘制为矩阵A的大小
fprintf中（'\ n \ n ***基准矩阵列的互相关*** \ n \ n'）;fprintf中（'标杆功能：\ n'）;类型（'benchXcorrMatrix'）;fprintf中（'\ n \ n'）;尺寸=地板（linspace（0100，11））;尺寸（1）= [];TC =零（1，numel（尺寸））;TG =零（1，numel（尺寸））;numruns = 10;对于S = 1：numel（大小）;fprintf中（'的％d x％的d矩阵... \ n运行xcorr（矩阵）'，尺寸（一个或多个），大小（S））;delchar = repmat（'\ B'，1，numruns）;一个=兰特（尺寸（S））;TC（S）= benchXcorrMatrix（一，numruns）;fprintf中（[delchar'\吨\ TCPU时间：％.2f MS \ N']，1000 * TC（S））;TG（S）= benchXcorrMatrix（gpuArray（a）中，numruns）;fprintf中（[delchar'\吨\ tGPU时间：％.2f MS \ N']，1000 * TG（S））;结束％绘制结果无花果=图。AX =轴（“父”， 图）;图（斧，尺寸。^ 2，tc./tg，'R * - '）;ylabel（斧，'加速'）;xlabel（斧，“矩阵元”）;标题（斧，'XCORR（基质）的GPU加速'）;的DrawNow;
***基准矩阵列的互相关***基准函数：函数T = benchXcorrMatrix（A，numruns）％用于基准xcorr与CPU和GPU矩阵输入。％版权所有2012 MathWorks公司timevec =零（1，numruns）;gdev = gpuDevice;对于II = 1：numruns，TS =抽动;O = xcorr（A）;％＃确定等待（gdev）timevec（II）= TOC（TS）;fprintf中（ ''）;结束吨=分钟（timevec）;端部的10×10矩阵... CPU时间运行xcorr（矩阵）：0.78毫秒时间GPU：3.65毫秒运行的20×20矩阵... CPU时间xcorr（矩阵）：1.39毫秒时间GPU：3.40毫秒运行的一个30×30矩阵... CPU时间xcorr（矩阵）：2.26毫秒时间GPU：3.47毫秒运行的一个40×40矩阵... CPU时间xcorr（矩阵）：6.04毫秒时间GPU：3.79毫秒运行xcorr（matrix) of a 50 x 50 matrix... CPU time : 10.23 ms GPU time : 3.92 ms Running xcorr (matrix) of a 60 x 60 matrix... CPU time : 15.18 ms GPU time : 4.16 ms Running xcorr (matrix) of a 70 x 70 matrix... CPU time : 35.34 ms GPU time : 5.58 ms Running xcorr (matrix) of a 80 x 80 matrix... CPU time : 46.71 ms GPU time : 6.26 ms Running xcorr (matrix) of a 90 x 90 matrix... CPU time : 59.43 ms GPU time : 7.04 ms Running xcorr (matrix) of a 100 x 100 matrix... CPU time : 74.93 ms GPU time : 8.21 ms
基准二维互相关
对于最后一种情况，两个矩阵，X和Y，是用交叉xcorr2（X，Y）相关。而Y被允许改变X是固定的大小。加速比绘制在第二矩阵的大小。
fprintf中（'\ n \ n ***标杆2- d互相关*** \ n \ n'）;fprintf中（'标杆功能：\ n'）;类型（'benchXcorr2'）;fprintf中（'\ n \ n'）;尺寸= [100,200，500，1000，1500，2000];TC =零（1，numel（尺寸））;TG =零（1，numel（尺寸））;numruns = 4;一个=兰特（100）;对于S = 1：numel（大小）;fprintf中（'的100×100矩阵，％d x％的d矩阵... \ n运行xcorr2'，尺寸（一个或多个），大小（S））;delchar = repmat（'\ B'，1，numruns）;B =兰特（尺寸（S））;TC（S）= benchXcorr2（A，B，numruns）;fprintf中（[delchar'\吨\ TCPU时间：％.2f MS \ N']，1000 * TC（S））;TG（S）= benchXcorr2（gpuArray（a）中，gpuArray（b）中，numruns）;fprintf中（[delchar'\吨\ tGPU时间：％.2f MS \ N']，1000 * TG（S））;结束％绘制结果无花果=图。AX =轴（“父”， 图）;semilogx（AX，尺寸。^ 2，tc./tg，'R * - '）;ylabel（斧，'加速'）;xlabel（斧，“矩阵元”）;标题（斧，“XCORR2的GPU加速”）;的DrawNow;fprintf中（'\ n \ nBenchmarking完成。\ n \ n'）;
***基准2-d互相关***基准函数：函数T = benchXcorr2（X，Y，numruns）％用于基准xcorr2 CPU和GPU上。％版权所有2012 MathWorks公司timevec =零（1，numruns）;gdev = gpuDevice;对于II = 1：numruns，TS =抽动;O = xcorr2（X，Y）;％＃确定等待（gdev）timevec（II）= TOC（TS）;fprintf中（ ''）;结束吨=分钟（timevec）;结束运行100×100矩阵的xcorr2和100×100矩阵... CPU时间：15.92毫秒时间GPU：10.49毫秒运行100×100矩阵的xcorr2和200×200矩阵... CPU时间：31.35毫秒时间GPU：20.30毫秒运行一个100×100矩阵的xcorr2和500×500矩阵... CPU时间：159.65毫秒GPU时间：60.75毫秒运行100x100的矩阵xcorr2和1000×1000矩阵... CPU时间：552.55毫秒GPU时间：188.32毫秒运行的xcorr2 a 100x100 matrix and 1500 x 1500 matrix... CPU time : 1228.93 ms GPU time : 391.52 ms Running xcorr2 of a 100x100 matrix and 2000 x 2000 matrix... CPU time : 2402.89 ms GPU time : 655.20 ms Benchmarking completed.
其它GPU加速的信号处理功能
有迹象表明，可在GPU上运行的其他几个信号处理功能。这些功能包括FFT，IFFT，CONV，过滤器，fftfilt，等等。在某些情况下，可以实现相对于CPU大的加速度。对于GPU的完整列表，加速信号处理功能看到“GPU加速”部分在内容信号处理工具箱（TM）表。
是这个主题有帮助吗？
您还可以选择从下面的列表中的网站：
