GPU和CPU的代码:怎么办?

                             函数输出=主(输入)
                            
                             尽早决定使用gpuArray
                            
                             如果gpuDeviceCount > 0
                            
                             Input = gpuArray(Input);
                            
                             结束
                            
                             使用支持gpuArray或常规数组的函数作为输入
                            
                             情节(输入)
                            
                             输入= myCustonFcn(输入)%自定义函数，允许gpuArray输入
                            
                             完成后返回为常规数组
                            
                             如果existsOnGPU(输入)
                            
                             输出=收集(输入);
                            
                             其他的
                            
                             输出=输入;
                            
                             结束

0评论
显示隐藏-1旧的注释

登录评论。

更多答案(1)

神骑士 2019年1月9日

2
链接

直接链接到这个答案

//www.ru-cchi.com/matlabcentral/answers/438956-gpu-and-cpu-code-how-to-do#answer_355734

这是完全为什么MATLAB的GPU支持这么棒!你应该只需要插入你的“shim”gpu数据，正如OCDER在他们的回答中描述的那样，在非常有限的地方。如果你在做深度学习，那就更简单了:如果有GPU，训练和推理将自动在GPU上运行，如果没有GPU，则在CPU上运行。

4评论
显示隐藏旧的评论

康斯坦丁·卡洛斯·雷耶斯-阿尔达索罗 2020年6月23日

如何在GPU和CPU之间交换?我在一个CPU上运行U-Net训练，花了很长时间，但效果很好，然后我通过更新nvidia驱动程序启用了GPU，它更快，但在完成之前，在调用语义分割时内存出现了一个错误:

net = trainNetwork(trainingData,layers,opts);

C = semanticseg(currentData,net);

                                  错误使用nnet.internal.cnngpu.convolveBiasReluForward2D
                                 
                                  出设备上的内存。查看更多有关
                                 
                                  可用GPU内存,使用“gpuDevice()”。如果
                                 
                                  问题仍然存在,重置通过调用“gpuDevice(1)”来调用GPU。
                                 
                                  错误在
                                 
                                  nnet.internal.cnn.layer.util.ConvolutionReLUGPUStrategy /前进
                                 
                                  (16)行
                                 
                                  Z =
                                 
                                  nnet.internal.cnngpu.convolveBiasReluForward2D (
                                 
                                  .．.
                                 
                                  错误在nnet.internal.cnn.layer.ConvolutionReLU /预测
                                 
                                  (第144行)
                                 
                                  Z = this.ExecutionStrategy。转发(X,.．.
                                 
                                  错误在nnet.internal.cnn.DAGNetwork/激活(行
                                 
                                  571)
                                 
                                  outputActivations =
                                 
                                  thisLayer.predict (XForThisLayer);
                                 
                                  错误在DAGNetwork/calculateActivations(第86行)
                                 
                                  YBatch = predictNetwork.activations({X}，
                                 
                                  layerIndex layerOutputIndex);
                                 
                                  错误DAGNetwork/activationsSeries(第239行)
                                 
                                  Y =这个。计算激活(X, layerID, 1，
                                 
                                  变长度输入宗量{:});
                                 
                                  错误在SeriesNetwork/activations中(第673行)
                                 
                                  Y =
                                 
                                  this.UnderlyingDAGNetwork.activationsSeries (X,
                                 
                                  layerID,变长度输入宗量{:});
                                 
                                  错误在semanticseg>iClassifyImagePixels (line 441)
                                 
                                  allScores =激活(net, X，参数。PixelLayerID,
                                 
                                  .．.
                                 
                                  错误在语义段中(第248行)
                                 
                                  [Lroi, scores, allScores] = iClassifyImagePixels(Iroi，
                                 
                                  净,params);
                                 
                                  错误helaunet(第194行)
                                 
                                  C =
                                 
                                  semanticseg (currentData,净);

这是我的gpu:

                                  > > gpuDevice ()
                                 
                                  ans =
                                 
                                  CUDADevice属性:
                                 
                                  名称:“GeForce 930 mx”
                                 
                                  指数:1
                                 
                                  ComputeCapability:“5.0”
                                 
                                  SupportsDouble: 1
                                 
                                  DriverVersion: 11
                                 
                                  ToolkitVersion: 10
                                 
                                  MaxThreadsPerBlock: 1024
                                 
                                  MaxShmemPerBlock: 49152
                                 
                                  MaxThreadBlockSize: [1024 1024 64]
                                 
                                  MaxGridSize: [2.1475e+09 65535 65535]
                                 
                                  SIMDWidth: 32
                                 
                                  TotalMemory: 2.1475 e + 09年
                                 
                                  AvailableMemory: 1.5761 e + 09年
                                 
                                  MultiprocessorCount: 3
                                 
                                  ClockRateKHz: 1019500
                                 
                                  ComputeMode:“默认”
                                 
                                  GPUOverlapsTransfers: 1
                                 
                                  KernelExecutionTimeout: 1
                                 
                                  CanMapHostMemory: 1
                                 
                                  DeviceSupported: 1
                                 
                                  DeviceSelected: 1
                                 
                                  >>

我知道这不是一个很好的GPU，我怎么能切换到CPU(正在工作)上进行分割，而不是GPU(内存耗尽)?

Biraj卡纳尔 2022年1月3日

编辑:Biraj卡纳尔 2022年1月3日

我试图比较使用GPU和CPU的特定功能的性能。

我们是否可以强制任何函数使用CPU而不是GPU，或者它只与分割函数一起工作?

登录评论。

登录回答这个问题。

类别

人工智能，数据科学和统计学深度学习工具箱并行和云中的深度学习

了解更多并行和云中的深度学习在帮助中心而且文件交换

2022世界杯八强谁会赢？

释放

R2018b

世界杯预选赛小组名单社区寻宝

在MATLAB Central中找到宝藏，并发现社区如何帮助您!世界杯预选赛小组名单

开始狩猎!

GPU和CPU的代码:怎么办?

0评论
显示隐藏-1旧的注释

接受的答案

0评论
显示隐藏-1旧的注释

更多答案(1)

4评论
显示隐藏旧的评论

另请参阅

类别

标签

2022世界杯八强谁会赢？

释放

世界杯预选赛小组名单社区寻宝

GPU和CPU的代码:怎么办?

0评论 显示隐藏-1旧的注释

接受的答案

0评论 显示隐藏-1旧的注释

更多答案(1)

4评论 显示隐藏旧的评论

另请参阅

类别

标签

2022世界杯八强谁会赢？

释放

世界杯预选赛小组名单社区寻宝

0评论
显示隐藏-1旧的注释

0评论
显示隐藏-1旧的注释

4评论
显示隐藏旧的评论