问题标签 [jacket]

我想使用 NVIDIA 的 CUDA 在 GPU 上运行 MATLAB 代码。我发现了几个 3rd-party 引擎：

• 夹克
• GPU垫

有人会推荐这些还是那里有更好的？有什么提示或建议吗？

我正在研究谱聚类的并行算法，我需要计算 K 最大特征值。我正在为 Matlab 使用 Jacket 插件，但遗憾的是它不支持 matlab 中的 EIGS 函数（它无法计算 K 特征值并行）任何人都可以建议一些其他工具/库在 GPU 上执行此任务吗？或者我仍然可以在 GPU 辅助的 Matlab 中执行此操作吗？

我在 matlab 中使用 cuda\jacket 遇到了一个非常缓慢的 if 语句响应。（对于找到局部最大值的相同代码，使用简单的 for 循环和 if 条件，5 秒对 0.02 秒）

作为 GPU 编程的新手，我去阅读，当我看到以前的matlab if 语句与 CUDA SO 讨论时，我觉得缺少了一些东西。您无需使用 cuda 即可知道对代码进行矢量化会更好。但是，在某些情况下，无论如何您都需要使用 if 语句。例如，我想找出 2D 图像的像素（比如 m(a,b)）是否是其 8 个最近邻居的局部最大值。在 matlab 中，一种简单的方法是在 if 语句上使用 8 个逻辑条件：

如果 m(a,b)>m(a-1,b-1) & m(a,b)>(a,b-1) & m(a,b)>(a+1,b-1) & ... 等所有最近的邻居

如果您知道如何解决（或矢量化）这个问题，我将不胜感激......

我想尽快找到矩阵的非零元素。考虑到CUDA\ Jacket，我了解到这比“常规” CPU 版本Matlab的 find 慢得多，这可能是由于内存分配问题，因为在 find 函数之前输出的大小是未知的。但是，使用bwlabeland regionprops（两者都在 中支持Jacket）确实有效地产生了有关非零元素的信息，并且比Matlab内置的 Image Processing Toolbox 函数快得多。有没有办法利用它来获得非零元素？有没有办法对使用找到的每个标记对象进行一些处理bwlabel？

使用 Matlab 的图像处理工具箱，我可以使用regionprops函数找到加权质心。这是因为该函数可以返回 WeightedCentroid图像的每个标记部分的像素索引或像素索引列表，PixelList然后很容易计算加权质心。然而，夹克在 regionprops 中的支持只返回一个未加权的质心（或bwlabel之前使用获得的二元“岛”的质心）。这意味着以某种方式使用有关像素位置的信息来找到这些质心。

如何访问夹克的 regionprops 信息，了解它用于计算未加权质心的像素列表，以便我可以使用它来计算加权质心？（这样做的一个重要原因是因为该函数find不能在gfor循环中使用，否则可以find输出...的不同值bwlabel）

我写了这段代码：app和cova是矩阵，维度等于代码中的变量dim和gsingle。

如果我尝试增加 dim 的维度，结果会非常慢。如果我用 for 循环和 cpu 变量编写等效代码会更快。为什么会这样？

我在使用 Jacket 时偶然发现了这个问题。

我在 gfor 循环中使用编译函数（使用 gcompile 编译）。据我所知，这意味着支持：http ://wiki.accelereyes.com/wiki/index.php/GCOMPILE

但我观察到，虽然未编译的函数提供了正确的结果，但编译后的函数为所有 gfor 迭代提供了相同的输出：

输出是：

C1 = [ 3,6,9,12,15,18,21,24,27,30]（正确结果）

C2 = [ 3,3,3,3,3,3,3,3,3,3]

你能验证/反驳我的结果吗？我究竟做错了什么？

干杯，安吉拉

AccelerEyes 于 2012 年 12 月宣布它在 GPU 代码上与 Mathworks 合作，并已停止其产品 Jacket for MATLAB：

http://blog.accelereyes.com/blog/2012/12/12/exciting-updates-from-accelereyes/

不幸的是，他们不再出售夹克许可证。

据我了解，基于 ArrayFire 的 Jacket GPU Array 解决方案比 MATLAB 提供的 gpuArray 解决方案要快得多。

我开始使用 gpuArray，但我发现很多功能都实现得很差。例如一个简单的

很慢。我已经编写了一些自定义的 CUDA-Kernels，但是即使在整个代码中始终使用 gpuArrays，实现不佳的标准 MATLAB 功能也会增加很多开销。我通过用手写的 CUDA 代码替换 MATLAB 代码解决了一些问题 - 但我不想重新实现 MATLAB 标准功能。

我缺少的另一个功能是稀疏 GPU 矩阵。

所以我的问题是：

如何加速 MATLAB 提供的糟糕实现的默认 GPU 实现？特别是，如何使用 GPU 加速 MATLAB 中的稀疏矩阵运算？