第三节中我们介绍了NVIDIA的工程师写的编译脚本，但是这个脚本配置起来麻烦，用的时候选项也过于复杂。后来随着GPGPU的发展，CUDA逐渐被重视，因此MathWorks的工程师们重新写了这个nvmex脚本。毕竟是科班出身，新的脚本配置容易，使用简单。详细情况可访问其网站。在上述网站中，可找到下载nvmex源码的链接。下载后解压，得到nvmex.m。对其中的两个选项（红色部分按实际路径修改）稍加编辑，即可使用：
CUDA_LIB_Location = ‘C:\CUDA\lib’;
Host_Compiler_Location = ‘-ccbin "C:\Program Files\Microsoft Visual Studio 8\VC\bin"‘;
修改之后，将其复制到addMatrix.cu相同目录，并将此目录设置为matlab运行目录，在命令窗口输入：
>> nvmex(‘addMatrix.cu’);
即可完成编译。编译成功后，在matlab中即可像常规函数一样使用addMatrix函数。
根据第二节的介绍，matlab中可以通过mex文件的方式编译C/C++代码，但是对于.cu文件则无能为力。为了解决这个问题，NV的工程师们开发了用于编译cu文件的脚本，下面进行详细介绍。 测试环境：vs2005, matlab 7.6(r2008a), cuda 2.3 首先在NV的网站http://developer.nvidia.com/object/matlab_cuda.html下载matlab的插件包，并解压，共有4个重要文件：
nvmex.m
nvmex_helper.m
nvmexopts.bat
.\bin\nvmex.pl
首先将nvmex.pl拷贝到matlab的安装目录中的bin目录下，例如笔者的系统中就拷贝到C:\MATLAB\bin中。 下面编写cu文件，我们仍以两个矩阵相加为例，具体流程见代码注释。从代码中可看到，同时使用了matlab函数和cuda函数，并在GPU中完成了两个矩阵相加。完成addMatrix.cu的编写后，需要对其进行编译。 首先将nvmex.m,nvmex_helper.m,nvmexopts.bat拷贝到addMatrix.cu文件所在目录，并设置为matlab的当前目录。
编译成功后，在matlab中即可像常规函数一样使用addMatrix函数。 可能会遇到的问题：
Matlab下通过Mex文件编写C程序
本节参考NVIDIA网站相关资源，点击此处链接：
1、MEX规则
Matlab提供了MEX文件的方式来支持C/C++代码编写的算法。mex文件需要满足如下要求：
(1) 包含mex.h头文件
(2) 函数名称、参数返回值必须为如下形式:
void mexFunction(int nlhs, mxArray *plhs[],int nrhs, const mxArray *prhs[]);
其中：
nlhs 为输出数组个数(Left Hand Side)
plhs 为指向输出数组的指针
nrhs 为输入数组个数(Right Hand Side)
prhs 为指向输入数组的指针，且输入数组只读。
以上四个变量，是在C/C++代码中唯一可用到的变量。实际上，由于matlab中所有的变量都是mxArray结构(向量，数组，字符串。。。)，因此常见的数据类型均可放入mxArray传递给程序进行处理。
(3)常用mex函数:
a. mex函数定义在mex.h(./extern/include)中，并以mex为前缀，例如打印输出的mexPrintf()函数、在mex文件中调用matlab函数的mexCallMATLAB()函数等。
b. 在matrix.h(./extern/include)中定义了mxArray结构以及对矩阵操作的函数，如创建双精度矩阵的mxCreateDoubleMatrix()、从mxArray中获取数据指针mxGetPr()等。
(4)编译
首先可以通过mex -setup来选择编译器，此时matlab会提示：
Would you like mex to locate installed compilers [y]/n?
此处如果选y，则会列出系统中安装的编译器，但不一定完整（作者就遇到这样的情况）。如果选n，则会列出matlab支持的所有编译器，
我们按实际情况选取即可（按照CUDA的要求，vs2005以上）。
另外常用的编译选项有：
-I 增加头文件(.h)包含目录
-L 增加库文件(.lib)包含目录
-l 链接引用的库文件名称
其他命令可查看matlab中的帮助文档。
2、MEX例程
在本教程中，举例实现将两个矩阵相加（C = A + B）。
/******************************************************************** filename: addMatrix.c file ext: c author: wy@gpgpu.org.cn purpose: test matlab with c *********************************************************************/ #include "mex.h" void mexFunction(int nlhs, mxArray *plhs[],int nrhs, const mxArray *prhs[]) { int i, j, mA, nA, mB, nB, nMatSize; double *A, *B, *C; /* 输入变量检查 */ if (nrhs != 2) mexErrMsgTxt("输入参数必须为2个"); if (nlhs != 1) mexErrMsgTxt("输出参数必须为1个"); mA = mxGetM(prhs[0]); nA = mxGetN(prhs[0]); mB = mxGetM(prhs[1]); nB = mxGetN(prhs[1]); if (mA != mB || nA != nB) mexErrMsgTxt("输入矩阵尺寸必须相同"); /*为输出结果分配内存*/ plhs[0]=mxCreateDoubleMatrix(mA,nA,mxREAL); /*获取数据指针*/ A = mxGetPr(prhs[0]); B = mxGetPr(prhs[1]); C = mxGetPr(plhs[0]); /*求和计算*/ nMatSize = mA * nA; for (i=0; i<nmatsize ; i++) { C[i] = A[i] + B[i]; } /*输出信息*/ mexPrintf("求和完毕"); }
编译c文件：
mex -v addMatrix.c
编译成功后，在matlab中即可像常规函数一样使用addMatrix函数。
a = rand(2,2)
a =
0.93547 0.41027
0.9169 0.89365
b = rand(2,2)
b =
0.057891 0.81317
0.35287 0.0098613
c = addMatrix(a,b)
求和完毕
c =
0.99336 1.2234
1.2698 0.90351
3. 使用cuda标准库
在nvidia给出的白皮书例程中，给出了二维FFT的实现方法，本文将其引用，说明通过mex文件使用cuda标准库实现加速的方法。
在该程序中，没有调用内核程序，而只使用了runtime库和fft库，并不需要.cu文件，可以用mex命令直接编译。因此，将cuda算法封装之后再由mex文件调用是使用matlab使用cuda的一种方法。
编译命令：
mex -IC:\CUDA\include fft2_cuda.c -LC:\cuda\lib -lcufft -lcudart
(全文…)
引言
Matlab作为科学计算中的重要工具，它提供了丰富的基本函数和工具箱，从而在各个领域得到了广泛的应用。但Matlab的缺点是代码效率较低，在工程应用中只能作为模型验证，而不能得到实际应用。而CUDA作为显卡编程比较成熟的语言，能够充分利用GPU的计算能力，提高执行效率。因此如何能将CUDA的高效与matlab的简便有机的结合是本文要解决的问题，根据解决问题的方式我们将分为两节进行讲解。