Генерация кода и поддержка графического процессора

Сгенерируйте портативный C/C++ / MEX-ФУНКЦИИ и используйте графические процессоры, чтобы развернуть или ускорить обработку

Audio Toolbox™ включает поддержку, чтобы ускорить прототипирование в MATLAB® и сгенерировать код для развертывания.

Ускорение графического процессора Кода.  Чтобы ускорить ваш код при прототипировании, Audio Toolbox включает функции, которые могут выполниться на Графическом процессоре (GPU). Можно использовать gpuArray (Parallel Computing Toolbox) функция, чтобы передать данные графическому процессору и затем вызвать gather (Parallel Computing Toolbox) функция, чтобы получить выходные данные из графического процессора. Для списка функций Audio Toolbox, которые поддерживают выполнение на графических процессорах, см. Функциональный Список (gpuArray поддержка. Вам нужен Parallel Computing Toolbox™, чтобы включить поддержку графического процессора.

Генерация кода C/C++.  После того, как вы разработаете свое приложение, можно сгенерировать портативный исходный код C/C++, независимые исполняемые файлы или автономные приложения из кода MATLAB. Генерация кода C/C++ позволяет вам запустить свою симуляцию на машинах, которым не установили MATLAB и ускорять обработку, в то время как вы работаете в MATLAB. Для списка функций Audio Toolbox, которые поддерживают генерацию кода C/C++, см. Функциональный Список (Генерация кода C/C++). Вам нужен MATLAB Coder™, чтобы сгенерировать код C/C++.

Генерация кода графического процессора.  После того, как вы разрабатываете свое приложение, можно сгенерировать, оптимизировал код CUDA® для NVIDIA® графические процессоры из кода MATLAB. Код может быть интегрирован в ваш проект как исходный код, статические библиотеки или динамические библиотеки, и может использоваться для прототипирования на графических процессорах. Можно также использовать сгенерированный код CUDA в MATLAB, чтобы ускорить в вычислительном отношении интенсивные фрагменты кода MATLAB в машинном обучении, глубоком обучении или других приложениях. Для списка функций Audio Toolbox, которые поддерживают генерацию кода графического процессора, см. Функциональный Список (Генерация кода графического процессора). Вам нужны MATLAB Coder и GPU Coder™, чтобы сгенерировать код CUDA.

Приложения

MATLAB CoderСгенерируйте код С или MEX-функцию из кода MATLAB
GPU CoderСгенерируйте код графического процессора из кода MATLAB

Функции

codegenСгенерируйте код C/C++ из кода MATLAB
gatherПередайте распределенный массив или gpuArray к локальной рабочей области
gpuArrayМассив сохранен на графическом процессоре

Темы

Сгенерируйте код С в командной строке (MATLAB Coder)

Сгенерируйте код C/C++ из кода MATLAB при помощи codegen команда.

Запустите функции MATLAB на графическом процессоре (Parallel Computing Toolbox)

Сотни функций в MATLAB и других тулбоксах запускаются автоматически на графическом процессоре, если вы предоставляете a gpuArray Аргумент (Parallel Computing Toolbox).

Необходимые условия для глубокого обучения для MATLAB Coder (MATLAB Coder)

Установите продукты и сконфигурируйте среду для генерации кода для нейронных сетей для глубокого обучения.

Поддержка графического процессора релизом (Parallel Computing Toolbox)

Поддержка NVIDIA архитектуры графического процессора релизом MATLAB.

Рекомендуемые примеры

Speech Command Recognition Code Generation on Raspberry Pi

Речевая генерация кода распознавания команды на Raspberry Pi

Разверните извлечение признаков и сверточную нейронную сеть (CNN) для речевого распознавания команды к Raspberry Pi™. Чтобы сгенерировать извлечение признаков и сетевой код, вы используете MATLAB Coder, Пакет Поддержки MATLAB для Оборудования Raspberry Pi и Библиотеку ARM® Compute. В этом примере сгенерированный код является исполняемым файлом на вашем Raspberry Pi, который вызван скриптом MATLAB, который отображает предсказанную речевую команду наряду с и слуховой спектрограммой сигнала. Взаимодействие между скриптом MATLAB и исполняемым файлом на вашем Raspberry Pi обработано с помощью пользовательского дейтаграммного протокола (UDP). Для получения дополнительной информации о предварительной обработке аудио и сетевом обучении, смотрите Распознание речевых команд с использованием глубокого обучения.

Для просмотра документации необходимо авторизоваться на сайте