也可以参考这个
https://blog.csdn.net/qq_38522168/article/details/111461856
1.安装CUDA
首先安装visual studio（看CUDA版本选）。本篇文章使用的环境是CUDA11.3、Matlab2021b、VS2019.
安装显卡驱动更新：可以进入NVIDIA官网，输入显卡型号选择最新驱动下载安装，爱好游戏的同学建议直接GeForce Experience更新。
安装CUDA toolkit，各种型号版本都可从NVIDIA官网上查找到。此处需要注意：到底该下载哪一种版本。主要考虑两个因素。第一：你的GPU算力（compute capability）支持哪一种版本，如下图1。第二：你现在的Matlab版本，如图二。ps：30系卡是安培(ampere)架构，20b可能会有问题。
图一
图二
比如3070显卡，使用的matlab版本号是2021b，安装CUDA时版本选择10.2（你猜我为什么知道）
根据第三步骤可进一步明确你应该安装哪一版本的matlab了，直接下载安装就行了。matlab安装后，它应该自动就可以与cuda搭建起交流渠道，命令窗口输入“gpuDevice”检测是否调用GPU成功。成功标志如下图：
至此Matlab与CUDA就握上手了，接下来配置cuDNN
2.安装cnDNN
！！！注意：cuDNN与CUDA版本严格匹配，不要装错版本
来到cuDNN下载界面，如图下载：
点击下载cuDNN Library for Windows (x86)，注意不要下成Linux（要是用Linux当我没说）
将以下几个文件夹复制到CUDA安装目录中
验证cuDNN安装成功：
打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号\include 文件夹，找到
cudnn_version.h
用记事本打开，如下所示，成功安装cuDNN，版本号为824
3.安装MatConvNet
3.1 介绍
MatConvNet是一个实现卷积神经网络（CNN）的MATLAB工具箱，用于计算机视觉应用。 用这个工具箱，能很方便地在MATLAB中用GPU来进行训练
安装matconvnet
下载地址：https://www.vlfeat.org/matconvnet/
3.2 安装
1.（本人）安装matlab2021b、Visual Studio 2019
2.官网Home - MatConvNet下载matconvnet工具包，我的名字是matconvnet-1.0-beta25，然后解压文件到 matconvnet-1.0-beta25中
3.CUDA + cudnn（这两个也可以没有，CPU only）
4.编译安装
编译前，Matlab应该已经绑定C++编译器了。否则，会出错。Windows下安装Visual Studio即可，Linux下有自带的GCC
先进行CPU版本的编译。在Matlab中打开Matconvnet工具包，使得当前目录窗口显示Matconvnet文件夹里面的子目录。
在Matlab中用mex -setup指令绑定C++编译器
输入mex -setup C++
会得到下面的命令：
打开Matlab，将工作路径切换到…/matconvnet-1.0-beta25
在Matlab中执行命令： addpath matlab。添加搜索路径。
在Matlab中执行命令：vl_compilenn。编译工具箱。
在Matlab中执行命令：vl_setupnn。设置工具箱。
至此，工具箱已经安装完毕。
5.测试
在matlab中执行命令：vl_testnn。
由此完成CPU 下matconvnet的编译。
编译完之后会多了一个mex文件夹，在matlab文件夹下面。
编译完之后应该有除了cudnn64_4.dll`外的mexw64文件，这些文件主要是vl_conv，vl_imreadjpeg等。这些文件是由cuda C写的，并不是由MATLAB语言写的，格式是 xx.cu`。
3.3 在matconvnet中配置GPU
第一步：我们在上文中安装cuda、VS2019，cuda默认路径，注意cuda版本和GPU要匹配
第二步：下载cudnn，在matconvnet文件夹下建一个local文件夹，然后把cudnn放进去
第三步： 建一个local文件夹，然后把cudnn放进去，再复制到matconvnet目录下。
第四步：把bin下的cudnn64_4.dll再复制到mex的文件夹下。这一点很重要，否则vl_compilenn即使编译成功，运行时却会出现Invalid 的vl_nnconv.mexw64，可是你一看明明有这个文件啊，并且cpu编译时这个文件也是可以用的，为啥现在就不能了，就是你没有做第二步。
第五步：先看看vl_compilenn写了啥，打开vl_compilenn.m，运行，等待编译结束
如上图所示在vl_compilenn中已经对opts的enableGpu等属性进行了初始化。
这是稍微修改后的，与我不一样也没关系，因为下面有vl_argparse(opts,varargin)，这个就是把外面的传入的参数再对opts进行赋值。
第六步：复制以下code到matlab命令窗，更改相应路径和文件夹名称，运行，等待编译结束。
vl_compilenn('enableGpu',true,'cudaRoot','C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/(你的cuda版本)','cudaMethod' ,'nvcc','enableCudnn','true','cudnnRoot','local/cudnn')
第七步：找到cnn_cifar后，然后修改opts.gpus。更改选项，opts.train.gpus= [1]; 表示用GPU，[ ] 表示用CPU，记得填上1.
最后的最后，报错信息等建议自行Google（一般是GPU报错，CPU一遍过）
原文作者：Hernandez
原文地址：https://hernandez-hkp.github.io/2022/10/01/matlab-matconvnet/