NVIDIA CUDA 対応 GPU に対する
MATLAB GPU コンピューティングのサポート
NVIDIA CUDA に対応した GPU 上での MATLAB 演算の実行
NVIDIA CUDA に対応した GPU 上での MATLAB 演算の実行
MATLAB では NVIDIA® GPU を使用することにより、AI やディープラーニング、その他計算量が多い解析を CUDA® プログラマーでなくとも高速化できます。MATLAB と Parallel Computing Toolbox を使用すると、以下を行うことができます。
レガシコードでは 1 回の風洞テストの解析に最大 40 分かかっていましたが、MATLAB と GPU を使用することで、演算にかかる時間が 1 分未満に短縮されました。MATLAB アルゴリズムを GPU 上で機能させるために要した時間は 30 分で、低レベルの CUDA プログラミングも必要ありませんでした。
NASA、クリストファー・バール氏
MATLAB により、ユーザーはディープラーニングモデルの開発から展開まで、エンドツーエンドのワークフローを実現することができます。Deep Learning Toolbox を使用してディープラーニングモデルの開発や学習を行い、その後 Parallel Computing Toolbox と MATLAB Parallel Server を使用してクラウドやクラスターリソース上に学習環境を拡張できます。また、GPU Coder を使用することでデータセンターや組み込みデバイスへ展開できます。
MATLAB は AI とディープラーニング開発向けのエンドツーエンドのワークフロー プラットフォームです。MATLAB は学習データセットのインポートや可視化、デバッグ、CNN 学習の拡張、および展開を行うためのツールとアプリを提供します。
たった 1 行のコードを追加するだけで、デスクトップ、クラウド、クラスター上の計算リソースや GPU リソースへスケールアップできます。
1000 以上の CUDA 対応 MATLAB 関数を使用して NVIDIA GPU 上で MATLAB コードを実行できます。また、ツールボックスの GPU 対応関数をディープラーニング、機械学習、コンピュータビジョン、信号処理などのアプリケーションに使用できます。Parallel Computing Toolbox では gpuArray が利用できます。gpuArray は特殊な配列型で、MATLAB から直接 CUDA 対応の NVIDIA GPU 上で処理を実行可能とします。ユーザーは低水準のGPU演算ライブラリについて学習する必要はありません。
エンジニアは追加コードを記述することなく GPU リソースを使用できるため、パフォーマンスの調整よりも自身のアプリケーションに注力できます。
parfor や spmd などの並列言語構造を使用すると、複数の GPU 上で計算できるようになります。学習オプションを変更するだけで複数の GPU 上のモデルに対する学習を実行できます。
また、MATLAB では、新たに C プログラミングを行うことなく、既存の CUDA カーネルを MATLAB アプリケーションに統合できます。
GPU Coder を使用して、ディープラーニング、組み込みビジョン、自律システムのための MATLAB コードから最適化された CUDA コードを生成します。生成されたコードは、TensorRT、cuDNN、cuBLAS などの最適化された NVIDIA CUDA ライブラリを自動で呼び出し、 NVIDIA GPU 上で低遅延・高スループットで実行されます。生成されたコードをソースコード、スタティック ライブラリまたはダイナミック ライブラリとしてプロジェクトに統合し、NVIDIA Volta®、NVIDIA Tesla®、NVIDIA Jetson®、および NVIDIA DRIVE などの GPU で実行されるように展開します。