基于MATLAB的GPU加速图像处理技术培训-火龙果软件

咨询

成功案例

相关课程

全部课程 >人工智能

基于MATLAB的GPU加速图像处理技术

1334 次浏览

6 次


李老师
图像处理领域的实践派专家，深耕MATLAB平台，精通GPU编程。

时间地点：北京+在线：4月9-10日；上海深圳根据报名开班

课程费用：4800元/人

报公开课

要内训

企业内训：可以根据企业需求,定制内训,详见内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：

在线考试

能力分析，给出学习建议

合格者颁发证书，作为职业技能资格证明

本课程分为两大部分：第一部分讲解GPU编程基础与核心函数；第二部分讲解相关高级技术与性能优化。

培训目标：

通过课程学习，可以:

理解CPU与GPU协同工作的原理与优势
掌握将MATLAB代码和图像数据移植到GPU的核心方法
熟练使用GPU加速的MATLAB函数及编写有效的GPU内核
能够对现有图像处理项目进行GPU化改造，并获得显著的性能提升
了解GPU编程的常见陷阱与性能优化技巧

培训对象：图像处理和分析人员、希望学习GPU计算技术的人员

学员基础：了解MATLAB基本语法，并能进行基本的图像处理

课程特点：
概念精讲 + 代码演示 + 动手实验 + 案例研讨

培训内容：2天

GPU编程入门与MATLAB环境	CPU vs GPU 架构解析为何GPU适合图像处理？并行计算模型简介 MATLAB的GPU支持：CUDA环境检测（gpuDevice）数据迁移与基础操作创建GPU数组：gpuArray 将CPU数据移至GPU：gpuArray( cpu_data ) 将GPU数据取回CPU：gather( gpu_data ) 查看GPU数组属性练习：GPU环境搭建检测可用GPU并查询其性能参数在CPU和GPU上分别创建一个大矩阵，进行简单算术运算，使用tic/toc或timeit对比速度。
使用内置GPU函数加速图像处理	支持GPU加速的内置函数常用数学函数图像处理工具箱中的GPU函数经典算法的GPU加速实战频域滤波线性滤波与卷积图像几何变换练习：图像处理核心操作的GPU加速
编写自定义GPU内核	arrayfun的进阶使用 CUDA Kernel直接调用从PTX文件加载预编译的CUDA内核（parallel.gpu.CUDAKernel）配置线程网格（Grid）和线程块（Block）维度在MATLAB中调用CUDA内核执行计算练习：实现自定义算法的GPU加速
综合应用与性能优化	综合实战项目将一个完整的图像处理流程GPU化性能优化与陷阱规避性能瓶颈分析：数据传输 vs 内核计算优化准则：最大化数据在GPU上的驻留时间、避免CPU-GPU频繁传输常见陷阱：隐式内存拷贝、不合理的内核配置练习：完整流程的GPU加速改造：实时视频流处理模拟
其他技术	多GPU计算简介与Batch Processing结合