Quiero ejecutar el código de MATLAB en la GPU usando CUDA de NVIDIA. Me encontré con un par de motores de 3 ª parte:¿Cómo ejecuto el código de MATLAB en la GPU usando CUDA?
qué alguien artículos recomendados o hay mejores por ahí? ¿Algún consejo o sugerencia?
Una fuente adicional de información que desee comprobar hacia fuera es este libro blanco PDF de NVIDIA: Accelerating MATLAB with CUDA Using MEX Files.
paralelo Computing Toolbox en libertad con MATLAB R2010b cuenta ahora con el apoyo de la GPU, incluyendo sobrecargas para diversas operaciones matemáticas, y una interfaz con los núcleos CUDA preexistentes.
Doc aquí: http://www.mathworks.com/discovery/matlab-gpu.html
Para una comparación de la chaqueta vs Matlab con cheque CUDA esto http://www.accelereyes.com/products/compare
También se podría utilizar SDK Chaqueta para desarrollar sus propias mexfiles de una manera más simple y más eficiente (memoria gestión prudente)
En general, recomendaría AccelerEyes chaqueta; cuál fue uno de tus hallazgos en tu publicación original.
Si bien no es un programa gratuito, que dan descuentos educativos muy importantes.
Una vez dicho esto, en cuanto al rendimiento, cualquier GPU compilador/idioma/SDK se van a acelerar la matriz/vector/algebraica/APC/etc código de un orden de magnitud o más frente a la codificación de la CPU tradicional. Incluso el código de CPU hiperveloz de 8 vías en mi máquina personal corre 48 veces más rápido con la aceleración de GPU en una tarjeta nvidia quadro 4000 relativamente económica. (¡No necesita dejar $ 2100 en un tesla a menos que la escuela o alguien más lo proporcione!)
Habiendo dicho eso, aunque soy competente en c, C++, SQL de cualquier tipo, etc. ... tengo programado por más de una década, encontré que el chaleco era mucho más fácil de forma rápida y eficiente y OPTIMAMENTE podía acelerar mi verdadero trabajo de investigación. Investigué GPUMat y Matlab PCT GPU, y encontré que jacket es una extraña combinación de potencia y facilidad de integración dentro de matlab y el mundo exterior de GPU. El soporte de la chaqueta también es de primera clase. Obtendría una respuesta altamente competente generalmente dentro de 1 día hábil y la resolución del problema en 2 días era típica.
Para mí, eso es una gran ventaja. Me temo que GPUmat tiene un soporte muy limitado, y matlab, mientras que tiene un soporte aparentemente comparable a la chaqueta, su soporte no es gratuito.
En resumen, si necesita obtener su código actual (suponiendo que es un candidato viable para la paralelización de GPU) ejecutando 10-48x más rápido en aproximadamente 2 semanas con un soporte excelente, ¡vaya chaqueta! (YMMV)
chaqueta ahora es parte de Parallel Computing Toolbox http://blog.accelereyes.com/blog/2012/12/12/exciting-updates-from-accelereyes/ – mrgloom