这本书从深入浅出的角度，为读者介绍了GPU与MATLAB混合编程的知识。通过大量的实例、图示和代码，作者引导读者进入GPU的殿堂，帮助读者理解和掌握这一技术。阅读本书的过程中，读者无需花费过多的精力和时间，即可学习使用GPU进行并行处理，加速MATLAB代码，提高工作效率。这本书的优点在于内容通俗易懂，能让读者轻松掌握GPU与MATLAB混合编程的技巧，从而将更多的时间和精力用于创造性工作和其他事情。
GPU与MATLAB混合编程 电子书封面
读者评价
最近开始研究并行算法的相关内容，这本正好适合，国外的著作还是值得一读，有待深入研究。
同时讲Matlab与GPU混合编程的书籍不多，所以买了这本。书比较薄，排版一般，示例代码很多，内容还未看~
第一章的实例展示了的方法将算法速度提高100倍，留下了深刻的印象。利用此方法，将一个信号源仿真算法提高了20倍以上。
内容介绍
本书介绍CPU和MATLAB的联合编程方法，包括首先介绍了不使用GPU实现MATLAB加速的方法；然后介绍了MATLAB和计算统一设备架（CUDA）配置通过分析进行zuiyou规划，以及利用c-mex进行CUDA编程；接着介绍了MATLAB与并行计算工具箱和运用CUDA加速函数库；zui后给出计算机图形实例和CUDA转换实例。本书还通过大量的实例、图示和代码，深入浅出地引导读者进入GPU的殿堂，易于读者理解和掌握。通过阅读本书，读者无需付出很多的精力和时间，就可以学习使用GPU进行并行处理，实现MATLAB代码的加速，提高工作效率，从而将更多的时间和精力用于创造性工作和其他事情。
目录
- 前言
- 第1章 不使用GPU实现MATLAB加速
- 第2章 MATLAB和CUDA配置
- 第3章 通过耗时分析进行最优规划
- 第4章 利用c-mex进行CUDA编程
- 第5章 MATLAB与并行计算工具箱
- 第6章 运用CUDA加速函数库
- 第7章 计算机图形学实例
- 第8章 CUDA 转换实例：3D图像处理
- 附录
- 附录A 下载和安装CUDA库
- 附录B 安装NVIDIA Nsight到Visual Studio
gpuDevice % 查看系统中的gpu,,其中的DeviceSupported会给出matlab支持的GPU个数。 g=gpuDevice(1); %会清空 GPU 1中的所有数据,,将GPU1 设为当前GPU reset(g) %也可以清空GPU中数据。 a=1; a=gpuArray(a); %将a从CPU移到GPU中 onGPU=existsOnGPU(a) c=class(a) uc=classUnderlying(a) %a的类型，，在GPU中也可以使用，，此时class是失效的 a=gather(a); %将a从GPU中移动到CPU中 % existsOnGPU(a) %报错！！！ a=gpuArray(a); %将a从CPU移到GPU中 reset(g); onGPUAfterReset=existsOnGPU(a) %reset后，虽然workspace中还有a，但是已经无效了。。。 %% 运算 a=gpuArray.ones(2,2,'single'); b=ones(1,1); c=a*b; class(c) %gpuArray