Документация

Проверьте MEX-функции в приложении GPU Coder

В приложении GPU Coder после того, как вы сгенерируете MEX-функцию, можно проверить, что она имеет ту же функциональность, что и исходная функция точки входа MATLAB. Предоставьте тестовый файл, который генерирует тестовые векторы для тестируемой функции и затем вызывает исходную функцию точки входа MATLAB. Тестовый файл может быть функцией MATLAB или скриптом, но должен находиться в той же папке, что и исходная функция точки входа.

Проверьте MEX-функции в командной строке

Можно проверить сгенерированный файл CUDA MEX в командной строке, используя coder.runTest функция. The coder.runTest функция запускает тестовый файл путем замены вызовов исходной функции MATLAB вызовами MEX-функции. Для примера, чтобы протестировать myfunction функция со myfunction_test тестовый файл, введите следующий код в Командное окно MATLAB.

coder.runTest('myfunction_test','myfunction')

Сравните результаты с результатами выполнения исходной функции MATLAB. Если во время запуска возникают ошибки, для отладки доступна информация о стеке вызовов. Также можно использовать codegen с -test опция.

codegen myfunction -test'myfunction_test'

Тестовым файлом может быть функция MATLAB, скрипт или модульные тесты , основанный на классах.

Верификация кода через программное обеспечение в цикле

GPU Coder поддерживает выполнение программы в цикле (SIL), что позволяет проверять исходный код и скомпилированные объектные коды. Во время выполнения SIL через интерфейс MATLAB SIL, программное обеспечение компилирует и с помощью тестовых векторов, которые вы предоставляете, запускает библиотечный код на вашем компьютере разработчика. Можно повторно использовать тестовые векторы, разработанные для функций MATLAB, чтобы проверить численное поведение кода библиотеки.

%% Create configuration object for static library.
config = coder.gpuConfig('lib');
config.GenerateReport = true;
config.VerificationMode = 'SIL';

%% Define argument types for entry-point 'mandelbrot_count'.
ARGS = cell(1,1);
ARGS{1} = cell(3,1);
ARGS{1}{1} = coder.typeof(0);
ARGS{1}{2} = coder.typeof(0,[1000 1000]);
ARGS{1}{3} = coder.typeof(0,[1000 1000]);

%% Invoke GPU Coder.
codegen -config config myfunction -args ARGS{1}

%% Run the test file with the sil interface
coder.runTest('myfunction_test', ['myfunction_sil.' mexext]);

%% Terminate SIL execution
clear myfunction_sil;

Числовые различия между центральным процессором и графическим процессором

Из-за архитектурных различий между центральным процессором и графическим процессором числовая верификация не всегда совпадает. Этот сценарий особенно верен при использовании single тип данных в коде MATLAB и выполнение операций накопления на этих single значения типа данных. Однако существуют случаи, подобные примеру Мандельброта, где даже double типы данных вызывают числовые ошибки. Одной из причин этого несоответствия является то, что графические процессоры модулей с плавающей точкой используют слитые инструкции FMAD, в то время как центральный процессор не использует эти инструкции. Также важно отметить, что компилятор CUDA выполняет эти оптимизации уровня команд по умолчанию, влияя на точность вычисленных результатов. Например, компилятор CUDA плавает с плавающей точкой умножить и добавить инструкции в одну инструкцию. Эта операция Multiply-Add (FMAD) с плавающей точкой выполняется вдвое быстрее по сравнению с двумя отдельными инструкциями, но приводит к потере числовой точности. Вы можете добиться более жесткого контроля над этими оптимизациями с помощью внутренних функций и флагов компилятора. Для установки флагов компилятора смотрите coder.gpuConfig. Для интеграции внутренностей CUDA смотрите Унаследованный код Интегрирования.