标签:
摘要: 近日在GPU技术大会(GTC)上,MathWorks宣布通过使用ParallelComputingToolbox或MATLABDistributedComputingServer实现在MATLAB应用中提供对NVIDIA图形处理器(GPU)的支持。这项支持可使工程师和科学家加快多种MATLAB计算的速度,而无需执行底层编程。 现在,越来越多的工程师和科学家可以借助MATLAB使用NVIDIA的具有支持CUDA的GPU,其中包括基于Fermi架构的最新Tesla20系列GPU。ParallelComputingToolbox可以使用户无需学习CUDA编程
近日在 GPU 技术大会 (GTC) 上,MathWorks 宣布通过使用 Parallel Computing Toolbox 或 MATLAB Distributed Computing Server 实现在MATLAB 应用中提供对 NVIDIA 图形处理器 (GPU) 的支持。这项支持可使工程师和科学家加快多种 MATLAB 计算的速度,而无需执行底层编程。
现在,越来越多的工程师和科学家可以借助MATLAB使用 NVIDIA的 具有支持 CUDA 的 GPU,其中包括基于 Fermi 架构的最新 Tesla 20 系列 GPU。Parallel Computing Toolbox 可以使用户无需学习 CUDA 编程或对其应用程序进行重大修改,即可访问 NVIDIA CUDA 库。
MathWorks 公司的并行计算市场部经理 Silvina Grad-Freilich 说:“MATLAB 使用方便,
它使工程和科学界能快速地采用 GPU 进行科学计算。MathWorks 首次支持 NVIDIA
具有 CUDA 的 GPU,这使 MATLAB 用户能利用 GPU 极大地提速其应用程序。Parallel Computing Toolbox 使 MATLAB 的工程师和科学家只需进行少量编程,即可访问所有开放给他们的计算资源,从本地桌面的多核和 GPU 到集群和网格等等。”
GPU 最初设计用于图像密集型视频游戏产业中的图形渲染,但近年来 GPU 不断发展壮大,现可用于更广泛的用途。研究人员可对其进行编程以执行计算和复杂图形效果,用于数据分析、数据可视化,以及金融建模和生物建模等应用。
NVIDIA 公司 Tesla 产品部高级经理 Sumit Gupta 说:“MATLAB 是工程师和科学家工具箱中的基本工具。使用 GPU 可使 MATLAB 用户加速其各种应用,这为工程与科学应用领域中的突破性创新提供了基础。”
MATLAB用户可以使用MathWorks提供的Parallel Computing Toolbox在GPU上轻松实现具有GPU计算特色的代码加速。
上一篇:3G智能手机视频监控分析
型号 | 厂商 | 价格 |
---|---|---|
EPCOS | 爱普科斯 | / |
STM32F103RCT6 | ST | ¥461.23 |
STM32F103C8T6 | ST | ¥84 |
STM32F103VET6 | ST | ¥426.57 |
STM32F103RET6 | ST | ¥780.82 |
STM8S003F3P6 | ST | ¥10.62 |
STM32F103VCT6 | ST | ¥275.84 |
STM32F103CBT6 | ST | ¥130.66 |
STM32F030C8T6 | ST | ¥18.11 |
N76E003AT20 | NUVOTON | ¥9.67 |