Exponenta Banner

Начало работы с GPU Coder

Сгенерируйте код CUDA для NVIDIA графические процессоры

GPU Coder™ генерирует, оптимизировал код CUDA® из кода MATLAB® для глубокого обучения, компьютерного зрения и автономных систем. Вызовы сгенерированного кода оптимизировали библиотеки CUDA NVIDIA®, включая cuDNN, cuSolver, и cuBLAS. Это может быть интегрировано в ваш проект как исходный код, статические библиотеки или динамические библиотеки, и может использоваться в прототипировании на графических процессорах, таких как NVIDIA Tesla® и NVIDIA Tegra®. Можно использовать сгенерированный CUDA в MATLAB, чтобы ускорить в вычислительном отношении интенсивные фрагменты кода MATLAB. GPU Coder позволяет вам включить устаревший код CUDA в свои алгоритмы MATLAB и сгенерированный код.

Когда используется с Embedded Coder®, GPU Coder позволяет вам проверить числовое поведение сгенерированного кода с помощью программного обеспечения в цикле (SIL) тестирование.

Установка и настройка

Примеры

О генерации кода из алгоритмов MATLAB

Рекомендуемые примеры

GPU Code Generation: The Mandelbrot Set

Генерация кода графического процессора: множество Мандельброта

Сгенерируйте код CUDA® от простой функции MATLAB® при помощи GPU Coder™. Реализация Множества Мандельброта при помощи стандартных команд MATLAB действует как функция точки входа. Этот пример использует codegen команда, чтобы сгенерировать MEX-функцию, которая работает на графическом процессоре. Можно запустить MEX-функцию, чтобы проверять на ошибки времени выполнения.

Открыть скрипт
Code Generation for Deep Learning Networks

Генерация кода для нейронных сетей для глубокого обучения

Выполните генерацию кода для приложения классификации изображений, которое использует глубокое обучение. Это использует codegen команда, чтобы сгенерировать MEX-функцию, которая запускает прогноз при помощи сетей классификации изображений, таких как MobileNet-v2, ResNet и GoogLeNet.

Открыть скрипт
Integrating GPU Coder™ into Simulink®

Интеграция GPU Coder™ в Simulink®

Интегрируйте GPU Coder™ в Simulink®. В то время как GPU Coder не поддержан для блоков Simulink, можно все еще усилить графические процессоры в Simulink путем генерации динамически подключаемой библиотеки (dll) использование GPU Coder и затем интеграция его в блок Simulink с помощью кодера. API ExternalDependency. Обнаружение ребра Sobel используется в качестве примера, чтобы продемонстрировать эту концепцию.

Открыть скрипт
Integrating Deep Learning with GPU Coder into Simulink

Интеграция глубокого обучения для GPU Coder в Simulink

Интегрируйте код CUDA®, сгенерированный для нейронной сети для глубокого обучения в Simulink®. Графический процессор coder™ не поддерживает генерацию кода для блоков Simulink, но можно все еще использовать вычислительную мощность графических процессоров в Simulink путем генерации динамически подключаемой библиотеки (dll) с GPU Coder и затем интеграции его в Simulink как Блок s-function при помощи Legacy Code Tool. Для получения дополнительной информации смотрите legacy_code. Чтобы проиллюстрировать эту концепцию, пример использует Обнаружение Маршрута, Оптимизированное с GPU Coder. Исходный пример использовал файл C++ с функциями OpenCV, чтобы считать системы координат, чертить маршруты и наложить информацию о частоте кадров о видеовыходе. Этот пример использует блоки Simulink от Системы Компьютерного зрения Toolbox™, чтобы выполнить те же операции.

Открыть скрипт
Документация GPU Coder
Поддержка