Установка необходимых как условие продуктов

Чтобы использовать GPU Coder™ для генерации кода CUDA^® C/C ++, необходимо установить следующие продукты:

Продукты Mathworks

MATLAB^® (требуется).
MATLAB Coder™ (требуется).
Parallel Computing Toolbox™ (требуется).
Deep Learning Toolbox™ (требуемый для глубокого обучения).
Интерфейс GPU Coder для Библиотек Глубокого обучения (требуемый для глубокого обучения).
Image Processing Toolbox™ (рекомендован).
Computer Vision Toolbox™ (рекомендован).
Embedded Coder^® (рекомендован).
Simulink^® (рекомендован).

Примечание

Если MATLAB установлен на пути, который содержит не 7-битные символы ASCII, такие как японские символы, MATLAB Coder не работает, потому что это не может определить местоположение библиотечных функций генерации кода.

Для получения инструкций по установке продуктов MathWorks^® см. документацию по установке MATLAB для своей платформы. Если вы установили MATLAB и хотите проверять, который установлены другие Продукты Mathworks, введите ver в Окно Команды MATLAB.

Сторонние продукты

Генерация кода графического процессора из MATLAB

NVIDIA^®, с которым графический процессор включил для CUDA, вычисляет возможность 3.2, или выше (Мой графический процессор поддержан?).
Инструментарий CUDA и драйвер. Стандартная установка идет с компилятором nvcc, cuFFT, cuBLAS, cuSOLVER и библиотеками Thrust. GPU Coder был протестирован с инструментарием CUDA v10.0 (Получите инструментарий CUDA).

Компилятор C/C++:

Linux^®	Windows^®
GCC компилятор C/C++ 6.3.x	Microsoft^® Visual Studio^® 2013
	Microsoft Visual Studio 2015
	Microsoft Visual Studio 2017

Компилятор nvcc NVIDIA поддерживает несколько версий GCC, и поэтому можно сгенерировать код CUDA с другими версиями GCC. Однако могут быть проблемы совместимости при выполнении сгенерированного кода из MATLAB как библиотеки времени выполнения C/C++, которые включены с установкой MATLAB, скомпилированы для GCC 6.3.

Генерация кода для нейронных сетей для глубокого обучения

Требования генерации кода для нейронных сетей для глубокого обучения зависят от платформы, для которой вы предназначаетесь.

	NVIDIA ГРАФИЧЕСКИЕ ПРОЦЕССОРЫ
Требования к аппаратным средствам	CUDA включил графический процессор с, вычисляют возможность 3.2 или выше. Библиотеки Targeting NVIDIA TensorRT™ с точностью `INT8` требуют, чтобы графический процессор CUDA с минимумом вычислил возможность 6,1. Библиотеки Targeting NVIDIA TensorRT с точностью `FP16` требуют, чтобы графический процессор CUDA с минимумом вычислил возможность 7,0.
Библиотеки программного обеспечения	Библиотека CUDA Deep Neural Network (cuDNN) v7 или выше. NVIDIA TensorRT – высокоэффективный оптимизатор вывода глубокого обучения и библиотека времени выполнения, v5.0.2.6.
Поддержка операционной системы	поддержка cuDNN находится на Windows и Linux. Поддержка TensorRT находится только на Linux.
Другой	Библиотека Компьютерного зрения С открытым исходным кодом (OpenCV), v3.1.0 требуется для примеров глубокого обучения. Примечание: примеры требуют отдельный, освобождает такой как, `opencv_core.lib` `opencv_video.lib`. Библиотека `OpenCV`, которая поставляется с Computer Vision Toolbox, не имеет всех необходимых библиотек, и инсталлятор OpenCV не устанавливает их. Поэтому необходимо загрузить источник `OpenCV` и создать библиотеки. Для получения дополнительной информации обратитесь к документации `OpenCV`.

Генерация кода для встроенных Советов графического процессора - основанный на NVIDIA Tegra Джетсон TX2, TX1 и TK1

Инструментарий CUDA для ARM^® и набор инструментальных средств Linaro GCC 4.9 для TX2. Используйте релиз gcc-linaro-4.9-2016.02-x86_64_aarch64-linux-gnu tarball.
Инструментарий CUDA для ARM и набор инструментальных средств Linaro GCC 4.9 для TX1.
Инструментарий CUDA 6.5 для ARM и набора инструментальных средств Linaro GCC 4.8 для TK1. Используйте релиз gcc-linaro-arm-linux-gnueabihf-4.8-2013.08_linux tarball.

Чтобы настроить инструменты Linaro, см. инструкции относительно Кросс-компиляции на Linux.

Документация