Установка необходимых как условие продуктов

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

Продукты Mathworks и пакеты поддержки

MATLAB^® (требуется).
MATLAB Coder™ (требуется).
Parallel Computing Toolbox™ (требуется).
Simulink^® (требуемый для генерации кода из моделей Simulink).
Computer Vision Toolbox™ (рекомендован).
Deep Learning Toolbox™ (требуемый для глубокого обучения).
Embedded Coder^® (рекомендован).
Image Processing Toolbox™ (рекомендован).
Simulink Coder (требуемый для генерации кода из моделей Simulink).
Интерфейс GPU Coder для Библиотек Глубокого обучения поддерживает пакет (требуемый для глубокого обучения).
Пакет Поддержки GPU Coder для NVIDIA^® графические процессоры (требуемый для развертывания на целевых процессорах, таких как NVIDIA Джетсон и Диск).

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, войти ver в командном окне MATLAB. Чтобы установить пакеты поддержки, используйте Add-On Explorer в MATLAB.

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

Стороннее оборудование

NVIDIA, с которым графический процессор включил для CUDA, вычисляет возможность 3.2 или выше и совместимый графический драйвер. Для получения дополнительной информации см. графические процессоры CUDA (NVIDIA).
Применение глубокого обучения в 8-битной целочисленной точности требует графического процессора CUDA с вычислить возможностью 6,1, 6.3 или выше. Для полуточности (16-битное целое число), графический процессор CUDA с вычисляет возможность 5,3, 6.0, 6.2, или выше.
Графический процессор ARM^® Mali.
Для устройства Мали GPU Coder поддерживает генерацию Кода С++ только для нейронных сетей для глубокого обучения.

Стороннее программное обеспечение

Необходимый

Компилятор C/C++:

Linux^®	Windows^®
GCC компилятор C/C++ 8.x	Microsoft^® Visual Studio^® 2013
	Microsoft Visual Studio 2015
	Microsoft Visual Studio 2017
	Microsoft Visual Studio 2019

Дополнительный

Автономный код (статическая библиотека, динамически подключаемая библиотека или исполняемая программа) генерация имеет дополнительные требования к программному обеспечению. Для MEX CUDA генератор кода использует компилятор NVIDIA и библиотеки, установленные с MATLAB.

Название программного обеспечения	Информация
Инструментарий CUDA	GPU Coder был протестирован с инструментарием CUDA v9.x-v10.2. Чтобы загрузить инструментарий CUDA, см. Архив Инструментария CUDA (NVIDIA). Рекомендуется выбрать опции стандартной установки, который включает `nvcc` компилятор, `cuFFT`, `cuBLAS`, `cuSOLVER`, Толкайте библиотеки и другие инструменты. `nvcc` NVIDIA компилятор использует тесную интеграцию со средой разработки хоста, включая компилятор хоста и библиотеки времени выполнения. Рекомендуется, чтобы вы следовали документации инструментария CUDA для получения дальнейшей информации относительно компилятора, библиотек и других конкретных требований платформы. Смотрите, Документация Инструментария CUDA (NVIDIA) `nvcc` компилятор 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.
NVIDIA библиотека глубокой нейронной сети CUDA (cuDNN) для NVIDIA графические процессоры	cuDNN является ускоренной графическим процессором библиотекой примитивов для глубоких нейронных сетей. Для получения дополнительной информации смотрите cuDNN (NVIDIA). GPU Coder был протестирован с cuDNN v7.6.x.
NVIDIA TensorRT™	TensorRT является высокоэффективным оптимизатором вывода и библиотекой времени выполнения для NVIDIA графические процессоры. Для получения дополнительной информации смотрите TensorRT (NVIDIA). GPU Coder был протестирован с TensorRT v7.0.x.
ARM вычисляет библиотеку	ARM Вычисляет Библиотеку, оптимизированное компьютерное зрение и библиотека машинного обучения для Мали графические процессоры. Для получения дополнительной информации смотрите, Вычисляют Библиотеку (ARM). GPU Coder был протестирован с v19.05. Эта библиотека должна быть установлена на целевом компьютере ARM. Не пользуйтесь предварительно созданной библиотекой, потому что это может быть несовместимо с компилятором на оборудовании ARM. Вместо этого создайте библиотеку из исходного кода. Создайте библиотеку или по вашей хост-машине или по непосредственно по целевому компьютеру. См. инструкции для создания библиотеки по GitHub^®. Можно также найти информацию о создании библиотеки для центральных процессоров в этом сообщении на ответах MATLAB. При создании Вычислить Библиотеки включите поддержку OpenCL в опциях сборки. Смотрите, что ARM Вычисляет документацию Библиотеки для инструкций. Библиотека OpenCL (v1.2 или выше) на целевом компьютере ARM. Смотрите, что ARM Вычисляет документацию Библиотеки для требований версии. После того, как сборка завершена, переименуйте `build` папка, содержащая библиотеки как `lib`. Кроме того, скопируйте библиотеки OpenCL, существующие в `build/opencl-1.2-stubs` папка в `lib` папка. Эти шаги требуются так, чтобы сгенерированный make-файл мог определить местоположение библиотек при создании сгенерированного кода на целевом компьютере.
Библиотека компьютерного зрения с открытым исходным кодом (OpenCV)	Требуемый для примеров глубокого обучения. Для получения дополнительной информации смотрите OpenCV. Для предназначения в качестве примера NVIDIA графические процессоры на компьютере разработчика хоста используйте OpenCV v3.1.0. Для примеров, предназначающихся для ARM графические процессоры, используйте OpenCV v2.4.9 на целевом компьютере ARM. Примеры требуют отдельный, освобождает такой как, `opencv_core.lib` и `opencv_video.lib`. Необходимо загрузить источник OpenCV и создать библиотеки. Для получения дополнительной информации обратитесь к документации OpenCV.

Советы

На Windows пробел или специальный символ в пути к инструментам, компиляторам и библиотекам могут создать проблемы во время процесса сборки. Необходимо установить стороннее программное обеспечение в местоположениях, которое не содержит пробелы или изменяет настройки Windows, чтобы включить создание кратких названий для файлов, папок и путей. Для получения дополнительной информации смотрите Используя решение для кратких названий Windows в MATLAB Answers.
Анализировать Профили Выполнения рабочего процесса Сгенерированного кода зависят от nvprof инструмент от NVIDIA. От инструментария CUDA v10.1 вперед, NVIDIA ограничивает доступ к счетчикам производительности только пользователям администратора. Чтобы позволить счетчикам производительности графического процессора использоваться всеми пользователями, см. инструкции, предоставленные в https://developer.nvidia.com/nvidia-development-tools-solutions-ERR_NVGPUCTRPERM-permission-issue-performance-counters.
GPU Coder не поддерживает генерацию код CUDA при помощи версии 8 инструментария CUDA.
Другие версии этих библиотек глубокого обучения могут иметь проблемы совместимости со всеми поддержками GPU Coder функций этот релиз.
На целевых платформах используйте JetPack или программное обеспечение DriveInstall, подходящее для вашей платы, чтобы установить все библиотеки. Для получения дополнительной информации смотрите Необходимые условия Установки и Setup для Советов NVIDIA (Пакет Поддержки GPU Coder для NVIDIA графические процессоры).

Документация