Matlab+GPU加速学习笔记（二）

---恢复内容开始---

首先介绍几个今天刚学的几个函数：

1、linspace。产生指定范围内的指定数量点数，相邻数据跨度相同，并返回一个行向量。其在CPU和GPU中的调用形式

X=linspace(5,100,20)                    % 产生从5到100范围内的20个数据，相邻数据跨度相同
X=gpuArray.linspace(5,100,20)           % 产生从5到100范围内的20个数据，相邻数据跨度相同

输出：

X =    5    10    15    20    25    30    35    40    45    50    55    60    65    70    75    80    85    90    95   100
gX =   5    10    15    20    25    30    35    40    45    50    55    60    65    70    75    80    85    90    95   100

2、arrayfun。调用形式例：idx = arrayfun(@calcidx, Z0);　% 对Z0中的每个元素调用calcidx函数，结果返回到idx中。（PS：避免无谓的循环）

 s=[1 2;3 4];
s=gpuArray(s);        % 在CPU中可以不要这句
[email protected](x) x^2;
arrayfun(f,s)

ans =

     1     4
     9    16

注意：在编写某个子函数时，特别是在GPU的运算中，可能会出现如下问题，虽然我暂时没遇见过，也不知道为啥。

    function output = calcidx(input)
        % calc index value for each element in Z0
        z = complex(0,0);
        k = 0;　　　　　　　　　　　　　　　　　　　　　　% 这个 初始化k 不能省，否则出错
        for k = 0 : max_iter-1
            z = z * z + input;
            if abs(z) > 2, break; end
        end
        output = k;
    end

3、关于GPU中的函数调用

与传统matlab函数调用方法一样，可以先将变量用gpuArray()函数搬到gpu中后再进行调用，或者在子函数中将变量搬迁到gpu中计算。当然本人推荐第一种。

具体调用对比如下：

[tmpRMSE_me] = RMSE_me(dataTrainPCA‘,labelTrain‘,dataTestPCA‘,labelTest‘,param);                                              % CPU中
[tmpRMSE_me1] = RMSE_me(gpuArray(dataTrainPCA‘),gpuArray(labelTrain‘),gpuArray(dataTestPCA‘),gpuArray(labelTest‘),param);     % GPU中

　Note：GPU arrays support only fundamental numeric or logical data types.（GPU）　

容易出现的错误如下：

An unexpected error occurred during CUDA execution. The CUDA error was: CUDA

解决方法：重启Matlab 或 重启电脑，因为GPU崩溃了。　　

---恢复内容结束---