我试图在MATLAB上运行LU分解，以便它将使用GPU。根据NVidia / MATLAB文档，CUDA应该支持LU（例如，参见http://www.nvidia.com/content/GTC-2010/pdfs/2267_GTC2010.pdf）。
现在，我比较了CPU和GPU之间的速度，虽然GPU在矩阵乘法和FFT上确实更快，但LU分解的结果似乎几乎相同，这对我来说非常重要。
我尝试过使用不同的尺寸，但是几乎保持不变。
例如，
在GPU上：
A=gpuArray(randn(1000));
tic; [l,u,p]=lu(A); toc
Elapsed time is 0.056832 seconds.
在CPU上：
B=randn(1000);
tic; [l,u,p]=lu(B); toc
Elapsed time is 0.031463 seconds.
CPU甚至更快。我的CPU是i7-2630QM，我的GPU是GT-550M（笔记本电脑）。我还在具有GTX-660的功能更强的计算机上进行了尝试，结果是相同的。
我的MATLAB版本是2012b
在Tesla C2070上使用MATLAB R2013a，我看到以下信息：
A = gpuArray.randn(1000);
tic; [l,u,p]=lu(A); toc
Elapsed time is 0.016663 seconds.
比我的CPU快大约2倍。随着矩阵大小的进一步增加，速度提高，在我的机器上，GPU的峰值速度大约提高了5倍-与高端的6核CPU相比，这对于高端（虽然稍旧）的GPU是典型的。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句