Calcolo GPU

 

Supporto di calcolo GPU MATLAB
per le GPU CUDA di NVIDIA

Esegui il calcolo MATLAB sulle GPU CUDA di NVIDIA

 

MATLAB ti consente di utilizzare le GPU NVIDIA® per accelerare le attività di intelligenza artificiale, deep learning e altre analisi computazionalmente onerose senza dover essere un programmatore CUDA®. Con MATLAB e Parallel Computing Toolbox, puoi:

  • Utilizzare le GPU NVIDIA direttamente da MATLAB con oltre 1000 funzioni integrate.
  • Accedere a più GPU su desktop, cluster di calcolo e cloud utilizzando i worker MATLAB e MATLAB Parallel Server.
  • Generare codice CUDA direttamente da MATLAB per la distribuzione a data center, cloud e dispositivi embedded utilizzando GPU Coder.
  • Generare codice NVIDIA TensorRT™ da MATLAB per inferenza a bassa latenza e throughput elevato con GPU Coder.
  • Distribuire applicazioni di intelligenza artificiale MATLAB ai data center compatibili con NVIDIA per l’integrazione con i sistemi enterprise utilizzando MATLAB Production Server.

“Il nostro codice precedente impiegava fino a 40 minuti per analizzare un singolo test in galleria del vento; utilizzando MATLAB e una GPU, ora il tempo di calcolo è sotto il minuto. Ci sono voluti 30 minuti per far funzionare il nostro algoritmo MATLAB sulla GPU e non è stata necessaria alcuna programmazione CUDA di basso livello.”

Christopher Bahr, NASA

Sviluppare, scalare e distribuire modelli di deep learning con MATLAB

MATLAB consente a un singolo utente di implementare un flusso di lavoro end-to-end per sviluppare e addestrare modelli di deep learning utilizzando Deep Learning Toolbox. È quindi possibile scalare l’addestramento utilizzando risorse cloud e cluster con Parallel Computing Toolbox e MATLAB Parallel Server e distribuire a data center o dispositivi embedded con GPU Coder.

Sviluppare attività di deep learning e altre analisi computazionalmente onerose con le GPU

MATLAB è una piattaforma di flusso di lavoro end-to-end per lo sviluppo di intelligenza artificiale e deep learning. MATLAB fornisce strumenti e app per l’importazione di set di dati da addestrare, visualizzazione e debug, scaling di CNN di addestramento e distribuzione.

Scala fino a risorse di calcolo e GPU aggiuntive su desktop, cloud e cluster con una sola riga di codice.


Titolo

Testa il tuo hardware CPU e GPU con gpuBench.

Scalare MATLAB su GPU con modifiche minime al codice

Esegui il codice MATLAB sulle GPU NVIDIA utilizzando le oltre 1000 funzioni MATLAB per CUDA. Utilizza le funzioni per GPU nelle toolbox per applicazioni quali deep learning, machine learning, visione artificiale ed elaborazione di segnali. Parallel Computing Toolbox fornisce gpuArray, uno speciale tipo di array con funzioni associate, che consente di eseguire calcoli sulle GPU CUDA di NVIDIA direttamente da MATLAB senza dover imparare librerie di calcolo GPU a basso livello.

Gli ingegneri possono utilizzare le risorse GPU senza dover scrivere alcun codice aggiuntivo, in modo che possano concentrarsi sulle loro applicazioni piuttosto che sull’ottimizzazione delle prestazioni.

Utilizzando costrutti di linguaggio parallelo come parfor e spmd puoi eseguire calcoli su più GPU. Per addestrare un modello su più GPU è sufficiente modificare un’opzione di addestramento.

MATLAB consente inoltre di integrare i kernel CUDA esistenti in applicazioni MATLAB senza richiedere alcuna programmazione C aggiuntiva.


Distribuire il codice CUDA generato da MATLAB per la distribuzione delle inferenze con TensorRT

Utilizza GPU Coder per generare un codice CUDA ottimizzato dal codice MATLAB per il deep learning, la visione embedded e i sistemi autonomi. Il codice generato consente di chiamare automaticamente le librerie NVIDIA CUDA ottimizzate, tra cui TensorRT, cuDNN e cuBLAS, per l’esecuzione su GPU NVIDIA con bassa latenza e throughput elevato. Integra il codice generato nel tuo progetto come codice sorgente, librerie statiche o librerie dinamiche e distribuiscili per l’esecuzione su GPU come NVIDIA Volta®, NVIDIA Tesla®, NVIDIA Jetson® e NVIDIA DRIVE®.