GPU上的图像处理算法，并行处理Matlab

我想加速我的算法，因为我需要在数百个图像上运行它，所以我试图使用未矢量化的GPU代码，在GPU上运行相同的代码，我有nvidia Geforce在我的PC上装有2 GB的GT 650M，但是它比CPU版本要慢。搜索后，我确信使用批处理过程（pagefun，bsxfun）传递给矢量化的GPU代码，我试图解决这个问题而没有解决方案。有人可以帮我关于这个代码：GPU上的图像处理算法，并行处理Matlab

Q=100; 
     for i=3:n-2 
     for j=3:m-2 
     A(i,j)=0; 
      for c=1:Q 
         if B(i,j,c)~=0 
         A(i,j)=A(i,j)+(-(B(i,j,c)).*log(B(i,j,c))); 
         end 
      end 
     end 
     end

另一个问题为什么Matlab只使用我的CPU的20％？我如何利用我的CPU来加速我的处理

Matlab是单线程应用程序吗？

在此先感谢

来源

2016-08-24 MAGNETAR

矢量化版本是这样的：

BB = B(3:(n-2),3:(m-2),:); 
cutoff = 10^(-6); 
logBB = log(BB); 
logBB(BB<cutoff) = 0; % remove divergent terms 
A = -sum(BB.*logBB,3);

这应该已经快得多甚至在CPU上运行。如果你有一个GPU，所有你需要做的是输入数组

BB = gpuArray(BB);

存储在GPU上，然后收集结果

A = gather(A);

回CPU

来源

2016-08-24 19:32:52

不要gpuArray仍然需要并行计算工具箱？ – zhqiat

是的，并行工具箱是gpuArray所需的 –

非常感谢Airidas Korolkovas，但是我的执行时间没有得到很大的改善，pagefun的使用可以改善时间吗？我有平行的工具箱。 nvidea GT 650M – MAGNETAR

您需要购买parallel computing toolbox。（使用parfor）。

这是一个众所周知的matlab限制，其中一些底层函数不会跨多个内核（不是线程）并行执行。一个快速的大局是看看matlab使用多少CPU，然后乘以你在电脑上的CORE数量（这应该让你达到100％左右）。

如果你想利用你的电脑GPU，并行计算工具箱是这样做的唯一方法。

从mathworks

这真的取决于你在做什么。对于某些代码，MATLAB只能使用单个处理器的单个内核，对于其他代码，MATLAB将自动利用所有可用的内核（以及可能的处理器）。它真的取决于底层的功能。有些事情不容易并行。有时你可以用parfor循环来帮助MATLAB。其他时候你可能需要类似MPI的东西。还有些时候，你确实无能为力。

来源

2016-08-24 19:14:50 zhqiat

这不是完全正确的，你可以打开MATLAB的几个实例，每个实例都可以在不同的核心上工作。 – EBH

好点！只需要你改变你的代码并分割你的循环。 – zhqiat

如果你的计划是使用'parfor'等，那么你的代码应该能够很容易地分割循环。否则，_parallel computing toolbox_将不会帮助他...... – EBH

GPU上的图像处理算法，并行处理Matlab

回答

相关问题