Документация

Проверьте MEX-функции в приложении GPU Coder

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

Проверьте MEX-функции в командной строке

Можно проверить сгенерированный файл MEX CUDA в командной строке при помощи coder.runTest функция. coder.runTest функционируйте запускает тестовый файл, заменяя вызовы исходной функции MATLAB с вызовами MEX-функции. Например, чтобы протестировать myfunction функция с myfunction_test тестовый файл, введите следующий код в командном окне MATLAB.

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

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

codegen myfunction -test'myfunction_test'

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

Программное обеспечение Code Verification Through в цикле

GPU Coder поддерживает программное обеспечение в цикле (SIL) выполнение, которое позволяет вам проверить исходный код и скомпилированный объектный код. Во время выполнения SIL через интерфейс MATLAB SIL, компиляции программного обеспечения и использование тестовых векторов, которые вы обеспечиваете, код библиотеки запусков по вашему компьютеру разработчика. Можно снова использовать тестовые векторы, разработанные для функций MATLAB, чтобы проверить числовое 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, не всегда соответствует числовая верификация. Этот сценарий специально верен при использовании single тип данных в вашем коде MATLAB и операциях накопления выполнения на них single значения типа данных. Однако существуют случаи как пример Мандельброта где даже double типы данных вызывают числовые ошибки. Одна причина этого несоответствия состоит в том, что графический процессор, который модульное использование с плавающей точкой плавило С плавающей точкой, Умножается - Добавляют инструкции (FMAD), в то время как центральный процессор не использует эти инструкции. Также важно отметить, что компилятор CUDA выполняет эту оптимизацию уровня инструкции значением по умолчанию, влияющим на точность вычисленных результатов. Например, компилятор CUDA соединяется с плавающей точкой, умножают и добавляют инструкции в одну инструкцию. Эта операция Multiply - Add (FMAD) С плавающей точкой выполняется вдвое более быстро по сравнению с двумя одной инструкциями, но приводит к потере числовой точности. Можно достигнуть более трудного управления этой оптимизацией при помощи флагов компилятора и встроенных функций. Чтобы установить флаги компилятора, смотрите coder.gpuConfig. Чтобы интегрировать внутренние параметры CUDA, смотрите Интегрирование Унаследованного кода.