GPU (graphic processing units) 的出現和普及，可說是近年來科學計算的最大變革，由於 GPU 具有大量平行處理的能力，所以對於某一些適合平行運算的應用，GPU 可說是最是適合不過了。
但是 GPU 的程式設計，若以 C 或 C++ 來進行，會比一般程式設計複雜一些，你必須要瞭解 GPU 本身的設計概念以及硬體結構，才能夠充分發揮 GPU 的計算能力。但若要在 MATLAB 來使用 GPU 加速各種運算，則是相當容易，因為相關的複雜細節都已經被包含在 MATLAB 簡單的指令內了。
MATLAB 與 GPU 最相相關的兩個基本指令如下：內測試你的機器有幾張
- gpuDeviceCount: 可以回傳你的機器上面有幾張 GPU 卡（或顯卡）。
- gpuDevice: 可以回傳你的預設 GPU 卡的相關訊息。
例如，以下範例可以顯示你的機器上有幾張 GPU 卡，以及預設之 GPU 卡的相關資訊：
在上述範例中，顯示了我的機器只有一張顯卡，並顯示此顯卡的各種相關性質。
在使用顯卡進行運算時，我們通常必須遵循下列基本步驟：
- 使用 gpuArray 指令，將 MATLAB 工作空間的變數搬移到 GPU 的記憶體中。
- 使用 GPU 記憶體中的變數來執行各種在 GPU 的運算。
- 使用 gather 指令，將存放在 GPU 的變數搬移至 MATLAB 工作空間中。
在以下範例中，我們以簡單的矩陣相乘來說明如何操作以上這幾個步驟：
在上述範例中，我們可以觀察到下列現象：
- GPU 的計算時間（不包含資料搬移的時間）大約只有 CPU 計算時間的 1/20。
- GPU 計算結果和 CPU 不完全相同，但兩者的差異性極小。
特別要注意的是，上述 GPU 的計算時間，並不包含資料搬移時間。一般而言，我們應該盡量減少資料搬移，並盡量在 GPU 進行平行運算，否則反而會得不償失。
在前一個範例中，計算加速的幅度和矩陣的維度有很大的關係，下面這個範例將探討這個關係：
在上述範例中，加速幅度很大，GPU 速度可達 CPU 速度的 500 倍以上。但請注意，上述範例的計算並不包含資料搬移所需的時間。
（待續）
MATLAB程式設計：進階篇
