Производительность

Диагностируйте проблемы генерации кода, улучшите время выполнения кода и уменьшайте использование памяти сгенерированного кода

Некоторые наиболее распространенные причины, почему сгенерированный код GPU Coder™ не выполняет как ожидалось:

Ядра CUDA^® не создаются.
Разместите к устройству и устройству к передачам памяти хоста (cudaMemcpy) регулируют производительность.
Недостаточно параллелизма или проблем устройств.

Эти темы уточняют частые причины для этих признаков и описывают, как использовать встроенного сотрудника досмотра, чтобы обнаружить эти проблемы. Можно найти информацию о том, как работать вокруг на эти проблемы и сгенерировать более эффективный код CUDA.

Приложения

GPU Coder	Сгенерируйте код графического процессора из кода MATLAB
Check GPU Install	Проверьте и настройте среду генерации кода графического процессора

Функции

`codegen`	Сгенерируйте код C/C++ из кода MATLAB
`gpucoder`	Открытое приложение GPU Coder
`coder.gpu.kernel`	Прагма, которая сопоставляет `for`- циклы к ядрам графического процессора
`coder.gpu.kernelfun`	Прагма, которая сопоставляет функцию с ядрами графического процессора
`coder.gpu.nokernel`	Прагма, чтобы отключить циклы for создания ядра
`gpucoder.profile`	Создайте отчет профиля выполнения для сгенерированного кода CUDA

Объекты

`coder.gpuConfig`	Параметры конфигурации для генерации кода CUDA из кода MATLAB при помощи GPU Coder
`coder.CodeConfig`	Параметры конфигурации для генерации кода C/C++ из кода MATLAB
`coder.EmbeddedCodeConfig`	Параметры конфигурации для генерации кода C/C++ из кода MATLAB с Embedded Coder
`coder.gpuEnvConfig`	Создайте объект настройки, содержащий параметры, переданные `coder.checkGpuInstall` для того, чтобы выполнить проверки среды генерации кода графического процессора