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 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

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。

MATLAB から直接 NVIDIA GPU を使用(500以上の組み込み関数が対応)。
MATLAB ワーカーおよび MATLAB Parallel Server を使用して、デスクトップ、コンピューティングクラスター、クラウド上の複数の GPU へアクセス。
GPU Coder™ を使用して CUDA コードを MATLAB から直接生成し、データセンター、クラウド、組み込みデバイスへ実装。
GPU Coder を使用して MATLAB から NVIDIA TensorRT™ コードを生成し、低遅延・高スループットの推論を実現。
MATLAB AI アプリケーションを NVIDIA 対応のデータセンターに展開し、MATLAB Production Server™ を使用するエンタープライズシステムと統合。

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 による GPU コンピューティング

Use GPUs to accelerate MATLAB applications.

2:11

MATLAB による GPU コンピューティングの概要

Generate CUDA code from a trained deep neural network in MATLAB and leverage the NVIDIA TensorRT library for inference on NVIDIA GPUs using a pedestrian detection application as an example.

1:34

TensorRT を使用した NVIDIA GPU での歩行者検出

MATLAB を使用したディープラーニングモデルの開発、拡張、および展開

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。

GPUを使用したディープラーニングの開発と計算量が多い解析の実行

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。

関連情報

並列およびクラウドでのディープラーニングのスケールアップ

その他のリソースを参照

製品を見る

Test your own CPU and GPU hardware using gpuBench.

最小限のコード変更で GPU により MATLAB を拡張

500 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。

関連情報:

その他のリソースを参照

製品を見る

MATLAB から生成された CUDA コードの展開 – TensorRTを使用した推論

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。