主要内容

图形处理器的图像处理

为了利用现代图形处理单元(GPU)提供的性能优势，已经启用了某些图像处理工具箱™功能，以便在GPU上执行图像处理操作。这可以为复杂的图像处理工作流程提供GPU加速。这些技术可以单独实现，也可以组合实现，以满足设计需求和性能目标。

要在图形处理单元(GPU)上运行图像处理代码，您必须拥有并行计算工具箱™软件。在GPU上执行支持的图像处理操作时，请遵循以下步骤:

  • 将数据从CPU移动到GPU。使用gpuArray(并行计算工具箱)函数从MATLAB中传输数组®GPU。有关更多信息，请参见从已有数据创建GPU阵列(并行计算工具箱)．

  • 该任务指导软件调测工程师在GPU上进行图像处理操作。有关已启用gpu的所有工具箱功能的列表，请参见支持GPU计算的功能．

  • 将数据从GPU移回CPU。使用收集(并行计算工具箱)函数从GPU检索一个数组，并将该数组作为一个常规的MATLAB数组传输到MATLAB工作区。

如果你使用至少一个GPU支持调用一个函数gpuArray(并行计算工具箱)参数，然后函数自动在GPU上运行，并生成一个gpuArray作为结果。您可以混合使用这两种输入gpuArray和MATLAB数组中相同的函数调用。在本例中，函数自动将MATLAB数组传输到GPU执行。

使用GPU时，需要注意以下事项:

  • 性能改进可以依赖于GPU设备。

  • 在GPU上返回的结果与在CPU上返回的结果可能有微小的差异。

要了解如何将自定义CUDA内核直接集成到MATLAB中以加速复杂算法，请参见在GPU上运行CUDA或PTX Code(并行计算工具箱)．

另请参阅

(并行计算工具箱)|(并行计算工具箱)

相关的例子

更多关于

Baidu
map