Графический процессор Coder™ генерирует оптимизированный код CUDA ® из моделей MATLAB ® и Simulink ®. Созданный код включает ядра CUDA для распараллеляемых частей вашего глубокого обучения, встроенного зрения и алгоритмов обработки сигналов. Для обеспечения высокой производительности созданный код вызывает оптимизированные библиотеки NVIDIA ® CUDA, включая TensorRT, cuDNN, cuFFT, cuSolver и cuBLAS. Код может быть интегрирован в проект в виде исходного кода, статических библиотек или динамических библиотек, а также скомпилирован для настольных компьютеров, серверов и графических процессоров, встроенных в NVIDIA Jetson, NVIDIA DRIVE и другие платформы. Сгенерированный CUDA в MATLAB можно использовать для ускорения работы сетей глубокого обучения и других ресурсоемких частей алгоритма. GPU Coder позволяет включать рукописный код CUDA в алгоритмы и создаваемый код.
При использовании с Embedded Coder ® графический процессор Coder позволяет проверить численное поведение генерируемого кода с помощью тестирования ПО в цикле (SIL) и процессора в цикле (PIL).
Создание кода с помощью приложения кодера графического процессора
Создайте код CUDA из кода MATLAB с помощью приложения GPU Coder.
Создание кода с помощью интерфейса командной строки
Создание кода CUDA из кода MATLAB с помощью codegen команда.
Проверка правильности сгенерированного кода
Поведенческая проверка созданных отчетов о коде, отслеживаемости и генерации кода.
Создание кода для сетей глубокого обучения с помощью cuDNN
Создание кода для предварительно обученных сверточных нейронных сетей с использованием библиотеки cuDNN.
Создание кода для сетей глубокого обучения с помощью TensorRT
Создание кода для предварительно обученных сверточных нейронных сетей с помощью библиотеки TensorRT.
Ускорение моделирования с помощью кодера графического процессора
Повысьте скорость моделирования с помощью графических процессоров NVIDIA.
Создание кода из моделей Simulink с кодером GPU
Создание кода CUDA из моделей Simulink с помощью кодера графического процессора.
Глубокое обучение в Simulink с помощью библиотеки глубоких нейронных сетей
Моделирование и создание кода для моделей глубокого обучения в Simulink с использованием библиотечных блоков.
Введение в ускоренные вычисления графического процессора.
Рабочий процесс для создания кода CUDA MEX и автономного кода CUDA C++.
