我們在使用Matlab進(jìn)行一些數(shù)據(jù)量巨大或者復(fù)雜的計算時，即便使用cpu進(jìn)行多線程并行計算，有時候速度仍然不盡人意，在這種時候我們可以嘗試使用GPU進(jìn)行加速計算，會有令人意想不到的效果。

首先Matlab的GPU加速目前僅支持NVDIA（英偉達(dá)）的顯卡，如果不確定自己的顯卡型號，可以在Matlab的命令行中鍵入：

gpuDevice()

如下圖所示即可查看顯卡型號

接下來我們通過一個簡單的案例對比cpu和gpu運算的速度。

案例為創(chuàng)建一個5000x5000的隨機矩陣，并求出該矩陣的特征向量及特征值

首先是通過cpu正常求解，代碼如下

clcclearclose allA=rand(5000,5000);%創(chuàng)建隨機矩陣tic[v1,d1]=eig(A);%求解特征向量v1，特征值d1toc

運行后我們看到計算時間為：52.99s

接下來使用GPU加速進(jìn)行計算，其原理就是將數(shù)據(jù)從CPU中轉(zhuǎn)移到GPU中，代碼如下：

clcclearclose allB=rand(5000,5000);%創(chuàng)建隨機矩陣B=single(B);%將矩陣轉(zhuǎn)換為單精度（gpu更擅長計算單精度數(shù)據(jù)）B=gpuArray(B);%將數(shù)據(jù)由cpu轉(zhuǎn)移至gputic[v2,d2]=eig(B);%求解特征向量v2，特征值d2toc

運行計算后我們可以看到計算時間僅為：11.34s

通過上述簡單案例可以發(fā)現(xiàn)在計算數(shù)據(jù)量龐大的問題時，使用GPU加速可以獲得成倍的速度提升，大家不妨一試。