使用单一GPU

要在单个GPU上运行计算，使用gpuArray对象作为gpu支持的MATLAB函数的输入。要了解关于支持gpu的功能的更多信息，请参见在图形处理器上运行MATLAB函数．

创建定义增长率的GPU阵列，r，以及人口，x．有关创建的更多信息gpuArray对象,看到在GPU上建立array．

N = 1000;r = gpuArray.linspace (0 4 N);兰德(x = 1, N,“gpuArray”）;

使用一个简单的算法来迭代逻辑映射。因为算法使用gpu支持的运算符gpuArray输入数据，计算在GPU上运行。

numIterations = 1000;为n=1:numIterations x = r.*x.*(1-x);结束

计算完成后，绘制增长率与人口的关系图。

情节(r, x,“。”）;

如果您需要更高的性能，GPU阵列支持几个选项。有关列表，请参见gpuArray功能页面。例如，本例中的算法只在GPU阵列上执行基于元素的操作，因此您可以使用arrayfun函数为GPU预编译它们。

使用多个图形处理器parfor

您可以使用parfor循环分配为并行工作者之间的循环迭代。如果您的计算使用GPU支持的函数，那么计算将在工作者的GPU上运行。例如，如果使用蒙特卡罗方法随机模拟种群的演化，则模拟是通过多个gpu并行计算的parfor循环。

创建一个与可用gpu数量相同的并行池parpool．要确定可用的gpu数量，请使用gpuDeviceCount函数。默认情况下，MATLAB为每个worker分配不同的GPU以获得最佳性能。有关在并行池中选择gpu的详细信息，请参见在并行池中使用多个gpu．

numGPUs = gpuDeviceCount (“可用”）;parpool (numGPUs);

使用“Processes”配置文件启动并行池(parpool)…连接到并行池(工人数量:2)。

定义模拟的数量，并在GPU中创建一个数组来存储每个模拟的总体向量。

numSimulations = 100;X = 0 (numSimulations N,“gpuArray”）;

使用一个parfor循环将模拟分发给池中的工作人员。循环内的代码创建一个随机gpuArray，并在其上迭代逻辑映射。因为代码使用gpu支持的运算符gpuArray输入数据，计算自动在worker的GPU上运行。

parfori = 1: numsimulation X(i，:) = rand(1,N，)“gpuArray”）;为n=1:numIterations X(i，:) = r.*X(i，:).*(1-X(i，:));结束结束

当计算完成后，绘制所有模拟的结果。每种颜色代表不同的模拟。

图绘制(r, X,“。”）;

默认首选项,parpool启动流程工作者的并行池。在进程worker上并行运行代码通常会导致数据被复制到每个worker，这在处理GPU阵列时可能会使用大量的GPU内存。相反，线程工作者可以共享内存。为了减少内存使用和降低数据传输成本，可以通过调用parpool(“线程”)．线程工作者只支持进程工作者可用的函数的一个子集。有关更多信息，请参见在基于线程和基于进程的环境之间进行选择．

如果需要更好地控制计算，可以使用更高级的并行功能。例如，你可以使用aparallel.pool.DataQueue在计算期间从工作者发送数据。示例请参见使用parfor在参数扫描期间绘制．

如果你想生成一组可重复的随机数，你可以在一个worker的GPU上控制随机数的生成。有关更多信息，请参见GPU上的随机数流．

异步使用多个gpuparfeval

您可以使用parfeval在并行池工作程序上异步运行计算。如果您的计算使用GPU支持的函数，那么计算将在工作者的GPU上运行。例如，您可以在多个gpu上异步运行蒙特卡洛模拟。

要在工作者完成计算后保存计算结果，请使用future对象。为每个模拟的结果预先分配一个未来对象数组。

f (numSimulations) = parallel.FevalFuture;

用来进行计算parfeval，则必须将它们放在函数中。例如,myParallelFcn包含单个模拟的代码。

类型myParallelFcn

函数x = myParallelFcn(r) N = 1000;x = gpuArray.rand (1, N);numIterations = 1000;for n=1:numIterations x = r.*x.*(1-x);结束结束

使用一个为在模拟中循环，并使用parfeval在并行池中的工作线程上异步运行它们。myParallelFcn使用gpu功能gpuArray输入数据，所以它们在worker的GPU上运行。因为parfeval异步执行计算，它不会阻塞MATLAB，并且你可以在计算发生时继续工作。

为i=1: numsimulation f(i) = parfeval(@myParallelFcn,1,r);结束

收集结果parfeval当它们准备好了，你就可以使用了fetchOutputs或fetchNext关于未来的对象。你也可以用afterEach或毕竟在结果准备好时自动调用函数。例如，要在每个模拟完成后立即绘制结果，请使用afterEach关于未来的对象。每种颜色代表不同的模拟。

图保存在afterEach (f, @ (x)情节(r, x,“。”), 0);

集群使用多个gpu

如果您可以访问具有多个gpu的集群，那么您就可以扩展计算。使用parpool命令功能在集群上启动并行池。当你这样做时，并行的特征，如parfor循环或parfeval，在集群worker上运行。如果你的计算使用gpu支持的功能gpuArray输入数据，然后这些函数在集群worker的GPU上运行。注意，集群特性只在基于流程的环境中受支持。要了解关于在集群上运行并行特性的更多信息，请参见从桌面扩展到集群．