GPU CUDA 和 MEX 编程

使用高级 GPU CUDA^® 和 MEX 编程进一步加快代码执行速度

如果在 GPU 上运行 MATLAB^® 函数不足以加快代码执行速度，或者您需要使用高级 GPU CUDA 功能，您可以编写自己的 CUDA 代码，并在 MATLAB 中运行该代码，具体方法是使用 mexcuda 生成可执行 MEX 文件，或使用 parallel.gpu.CUDAKernel 生成可执行内核。

一般来说，使用 MEX 文件比使用 CUDAKernel 对象更灵活。有关详细信息，请参阅运行包含 CUDA 代码的 MEX 函数。

函数

全部展开

关键函数和类

`mexcuda`	编译 MEX 函数或 PTX 文件以进行 GPU 计算
`CUDAKernel`	GPU 上的内核可执行文件
`feval`	在 GPU 上评估内核
`setConstantMemory`	在 GPU 上设置一些常量内存

C 函数和类

`mxGPUArray`	MATLAB gpuArray 的类型
`mxGPUCopyFromMxArray`	将 mxArray 复制到 mxGPUArray
`mxGPUCopyGPUArray`	复制（深度复制）mxGPUArray 对象
`mxGPUCopyImag`	复制 mxGPUArray 的虚部
`mxGPUCopyReal`	复制 mxGPUArray 的实部
`mxGPUCreateComplexGPUArray`	从两个真实的 gpuArray 创建复杂的 GPU 数组
`mxGPUCreateFromMxArray`	从输入 mxArray 创建只读 mxGPUArray 对象
`mxGPUCreateGPUArray`	创建 mxGPUArray 对象，在 GPU 上分配内存
`mxGPUCreateMxArrayOnCPU`	创建 mxArray，用于将来自 GPU 的数据返回到 MATLAB CPU 数据
`mxGPUCreateMxArrayOnGPU`	创建 mxArray 用于将 GPU 数据返回到 MATLAB
`mxGPUDestroyGPUArray`	删除 mxGPUArray 对象
`mxGPUGetClassID`	与 GPU 上的数据关联的 mxClassID
`mxGPUGetComplexity`	GPU 上数据的复杂性
`mxGPUGetData`	指向基础数据的原始指针
`mxGPUGetDataReadOnly`	指向基础数据的只读原始指针
`mxGPUGetDimensions`	mxGPUArray 维度
`mxGPUGetNumberOfDimensions`	mxGPUArray 的维度数组的大小
`mxGPUGetNumberOfElements`	GPU 上数组元素的数量
`mxGPUIsSame`	确定两个 mxGPUArray 是否引用相同的 GPU 数据
`mxGPUIsSparse`	确定 mxGPUArray 是否包含稀疏 GPU 数据
`mxGPUIsValidGPUData`	确定 mxArray 是否是指向有效 GPU 数据的指针
`mxGPUSetDimensions`	修改维度数和每个维度的大小
`mxIsGPUArray`	确定 mxArray 是否包含 GPU 数据
`mxInitGPU`	在当前选定的设备上初始化 MATLAB GPU 库

主题

运行包含 CUDA 代码的 MEX 函数
所有 MEX 文件（包括包含 CUDA 代码的文件）都有一个称为 mexFunction 的入口点。MEX 函数包含与来自 MATLAB 的 gpuArray 对象交互并启动 CUDA 代码的主机端代码。MEX 文件中的 CUDA 代码必须符合 CUDA 运行时 API。
在 GPU 上运行 CUDA 或 PTX 代码
本页介绍如何从 CUDA C++ 源文件（CU）创建可执行内核，并在 MATLAB 中的 GPU 上运行该内核。内核在 MATLAB 中由 CUDAKernel 对象表示，该对象可以对存储在主机内存中的数组或 GPU 数组进行操作。

精选示例

使用 MEX 访问高级 CUDA 功能

此示例展示了如何使用 MEX 文件访问 GPU 的高级功能。它以示例 GPU 上的模板操作为基础。前面的示例使用康威的“生命游戏”来演示如何使用在 GPU 上运行的 MATLAB® 代码执行模板操作。本示例演示如何使用 GPU 的高级功能（共享内存）进一步提高模板操作的性能。您可以通过在 MEX 文件中编写自己的 CUDA® 代码并从 MATLAB 调用 MEX 文件来实现此目的。您可以在运行包含 CUDA 代码的 MEX 函数中找到有关 MEX 文件中使用 GPU 的介绍。