问题标签 [matlab-gpu]

我在这里有一个在 MATLAB R2013b 中执行的小脚本：

不幸的是，执行后我收到一条来自 Windows 的消息：“显示驱动程序停止工作并已恢复。 ”。

我认为这意味着 Windows 没有从我的显卡驱动程序或其他东西那里得到响应。脚本返回没有错误：

但是无论GPU是否内存不足，MATLAB在我重新启动它之前都无法使用GPU设备。如果我不重新启动 MATLAB，我只会收到一条来自 CUDA 的消息：

有谁知道如何避免这个问题或我在这里做错了什么？

如果需要，我的 GPU 设备：

我有以下CUDAKernel对象：

我调用使用：

如您在上面看到的，我有 2 个左手参数，但在 MATLAB 中出现错误：

使用 gpuArray/gather 时出错：输出参数过多。

我不明白。我所有的参数都在 CUDA 内核和 MATLAB 中排列。如您所见，内核函数具有以下 C++ 原型：

它应该只返回masterForcesand Force([x,y]在 MATLAB 中)，因为它们是唯一的非常量指针。

可能是什么问题呢？

我有一个多类分类任务，我曾尝试在 Matlab 中使用“trainSoftmaxLayer”，但它是 CPU 实现版本，速度很慢。因此，我尝试阅读 GPU 选项的文档，例如传统神经网络中的 'trainSoftmaxLayer('useGPU', 'yes')'，但没有任何相关选项。

我在 Windows 7 64 位计算机上安装了两个 GPU：NVIDIA GeForce GTX 750 Ti 和 GeForce GTX 570。前者的计算能力为 5，后者的计算能力为 2。

对于我的一个项目，我想使用MatConvNet，这是一个用于在 MATLAB 中以类似于 Caffe 或 TensorFlow 的风格拟合卷积神经网络 (CNN) 的库。该软件包支持两种显卡的使用，但 NVIDIA 的深度学习工具包 cuDNN 仅与计算能力为 3 或更高的显卡兼容。如果我决定只使用 750 Ti，我可以编译 MatConvNet 并enableCudnn设置为true，如果我决定只使用 570，我必须编译它并设置为false。

在我创建的一个简单的 CNN 上，用三个卷积层、三个池化层、一个全连接层和一个 softmax 层对手写数字进行分类，我注意到仅 750 Ti 的训练时间最短，其次是两张牌紧随其后的是570。这是因为当我使用这两张卡时，我必须使用 to 编译 MatConvNet 包enableCudnn，false这会阻止 MatConvNet 使用作为 cuDNN 一部分的快速卷积代码。但是，拥有两个 GPU 仍然比单独拥有 570 更好。

我想知道是否有办法为每个显卡分别编译 MatConvNet，以便 750 使用 cuDNN 而 570 不使用。不考虑在显卡之间分配工作负载的开销，与单独使用 750 相比，这在理论上应该可以加快代码速度。有人可以让我知道他们是否做过这样的事情，如果可能的话，和/或如果可以的话怎么做？

考虑以下简单类

现在跑步

>>a=A(1);

>>a.foo();

>>a.foo2();

使用 gpuArray/arrayfun 时出错 作为第一个输入参数传递的函数包含不受支持的“MCOS”语言功能“CLASSDEF”。有关详细信息，请参阅提示和限制。

A/foo2 中的错误（第 20 行）arrayfun(@obj.bar,Array);

请注意，foo()和foo2()是相同的函数，唯一的例外foo2()是，应该运行 GPU 版本的arrayfun.

是否有任何解决方法或技巧可以使foo2()上述工作，即在 GPU 上运行的类方法？考虑bar()不能​​是静态的，或者它应该使用类属性。