在matlab中使用GPU加速，来加速矩阵运算。
首先如前面所说，并不是所有GPU都能在maltab中进行加速的，貌似只有NVDIA的显卡可以吧。
硬件：GeForce GTX 980
软件：Matlab 2015a （Matlab 2012以后的版本才带有GPU加速的工具箱）
下面开始介绍怎么玩GPU加速
第一步：在matlab命令窗口，运行gpuDevice，查看自己的显卡是否具备GPU加速功能
gpuDevice
正常情况下matlab会输出如下结果代表具备GPU加速功能：
CUDADevice with properties:Name: 'GeForce GTX 980'Index: 1ComputeCapability: '5.2'SupportsDouble: 1DriverVersion: 7.5000ToolkitVersion: 6.5000MaxThreadsPerBlock: 1024MaxShmemPerBlock: 49152MaxThreadBlockSize: [1024 1024 64]MaxGridSize: [2.1475e+09 65535 65535]SIMDWidth: 32TotalMemory: 4.2950e+09AvailableMemory: 3.3203e+09MultiprocessorCount: 16ClockRateKHz: 1380000ComputeMode: 'Default'GPUOverlapsTransfers: 1KernelExecutionTimeout: 1CanMapHostMemory: 1DeviceSupported: 1DeviceSelected: 1
第二步：CPU和GPU之间的数据交换，大致有如下几个函数和功能：
（1）、将数据从CPU中搬入GPU，函数：gpuArray，用法 M = gpuArray(M)；
（2）、在GPU中计算完成后，将数据搬出到CPU存储，函数：gather，用法M=gather(M)。
下面给大家看看最简单的用法以及处理同样矩阵运算时的时间对比：
clear all
clc
M = rand(2000,2000); % 生成一个随机矩阵
tic
[A1,B1] = eig(M); % 求该随机矩阵的特征值和特征向量
t1=toc tic M = gpuArray(M); % 将数据从CPU中搬到GPU [A2,B2] = eig(M); % 求特征值和特征向量 A2 = gather(A2); % 将数据从GPU中搬到CPU t2 = toc 输出结果（运行时间对比）：
t1 = 14.1483
t2 = 9.1567
总结：虽然加速不是特别明显，不过还是非常给力的，需要说明的是，一般的GPU对于单精度型的数据运算加速更明显一点，因此我们在编写代码时，最好能够将数据从double型转换为single型，即M=single(M)，然后在使用M=gpuArray(M)，将数据搬迁到GPU进行计算，下面看看转换为单精度型后的时间对比：
clear all
clc
M = rand(2000,2000); % 生成一个随机矩阵
tic
[A1,B1] = eig(M); % 求该随机矩阵的特征值和特征向量
t1=toctic
M = single(M); % 将数据转换为单精度型
M = gpuArray(M); % 将数据从CPU中搬到GPU
[A2,B2] = eig(M); % 求特征值和特征向量
A2 = gather(A2); % 将数据从GPU中搬到CPU
t2 = toc
运行结果：
t1 = 14.8332
t2 = 5.0963
GPU对eig和svd进行加速，和cpu运行时间对比
clear all
A = rand(2000,2000);
tic
A1 = gpuArray(single(A));
[U,S,V] = svd(A1,'econ');
A2 = U*S*V';
A3 = gather(A2);
t = toc
tic
[U1,S1,V1] = svd(A,'econ');
A4 = U1*S1*V1';
t2 = tocerror = norm(A3-A4,'fro')tic
A1 = gpuArray(single(A));
[vv,dd] = eig(A1);
t3 = toc
结果：
t = 3.1564
t2 = 7.1644
error = 0.0032
t3 = 5.2244
t4 = 17.6389
是不是加速更明显了呢？
注：1、单精度型初始化矩阵函数例：X=rand(10,'single'); %定义在CPU上的一个10x10的随机初始化数组
2、直接在GPU中初始化矩阵例：GX=rand(10,'gpuArray'); %直接在GPU设备上随机初始化一个10x10的数组
3、判断数据DATA是否存在于GPU内存中例：TF=existOnGPU(DATA)
4、计算效率统计例：t=gputimeit(F,N) %返回执行F操作N次所需的时间，当N=1时可以缺省
