这个地主要学习了《实战matlab并行程序设计》中的square这个例子
先建一个CUDA工程，然后.cu文件，把代码敲入
#include"mex.h"
#include"cuda.h"
#include "cuda_runtime.h"
#include "cuda.h"
#include "device_launch_parameters.h"
#include <iostream>
#include <cstdlib>
__global__ void square_elements(float* in,float * out ,int N)
{
int idx =blockIdx.x*blockDim.x+threadIdx.x;
if (idx<N)out[idx]=in[idx]*in[idx];
}
void mexFunction (int nlhs,mxArray *plhs[],int nrhs ,const mxArray *prhs[])
{
int i,j,m,n;
double *data1,*data2;
float *data1f,*data2f;
float *data1f_gpu,*data2f_gpu;
mxClassID category;
if(nrhs != nlhs)
{
mexErrMsgTxt("The number of input and output arguments must be the same.");
}
for(i=0;i<nrhs;i++)
{
m=mxGetM(prhs[i]);
n=mxGetN(prhs[i]);
plhs[i]=mxCreateDoubleMatrix(m,n,mxREAL);
cudaMalloc((void **)&data1f_gpu,sizeof(float)*m*n);
cudaMalloc((void **)&data2f_gpu,sizeof(float)*m*n);
data1=mxGetPr(prhs[i]);
category=mxGetClassID(prhs[i]);
if( category==mxSINGLE_CLASS)
{
cudaMemcpy(data1f_gpu,data1,sizeof(float)*m*n,cudaMemcpyHostToDevice);
}
if (category==mxDOUBLE_CLASS)
{
data1f=(float *)mxMalloc(sizeof(float)*m*n);
for(j=0;j<m*n;j++)
{
data1f[j]=(float)data1[j];
}
cudaMemcpy(data1f_gpu,data1f,sizeof(float)*n*m,cudaMemcpyHostToDevice);
}
data2f=(float *)mxMalloc(sizeof(float)*m*n);
dim3 dimBlock(128);
dim3 dimGrid((m*n)/dimBlock.x);
if((n*m)%128!=0)
{
dimGrid.x+=1;
}
square_elements<<< dimGrid,dimBlock>>>(data1f_gpu,data2f_gpu,n*m);
cudaMemcpy(data2f,data2f_gpu,sizeof(float)*n*m,cudaMemcpyDeviceToHost);
data2=mxGetPr(plhs[i]);
for(j=0;j<m*n;j++)
{
data2[j]=(double)data2f[j];
}
mxFree(data1f);
mxFree(data2f);
cudaFree(data1f_gpu);
cudaFree(data2f_gpu);
}
}
接下来通过nvcc将其编译成.cpp文件，然后在matlab中
mex成动态链接库，像函数一样使用这个就okay了；
这个命令可以在cmd中敲，也可以通过matla调用系统命令进行。
nvcc square.cu - cuda -o square.cpp -l"wenjianweizhi"
mex('square.cpp','-LX:kuwenjian(cuda)','-lcudart')
-L选项的作用是设置库文件目录，-L选项的作用是连接cudart.lib
还有一种nvmex工具可以直接将.cu文件转化成.mexw64文件，不过没有去研究这个了。
然后另外一种方式就是
ptx文件了，也是使用nvcc进行编译，具体可参考《实战matlab并行程序设计》
最后就是输出了，命令行输入[out1,out2]=square(in1,in2)就okay了，对应上你写的函数样式。