Установка необходимых как условие продуктов

Использовать GPU Coder™ для CUDA^® генерация кода, необходимо установить и установить следующие продукты. Для инструкций по настройке смотрите Подготовку Необходимых как условие продуктов.

Продукты Mathworks и пакеты поддержки

MATLAB^® (необходимый).
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^® (рекомендуемый).
Image Processing Toolbox™ (рекомендован).
Simulink Coder (требуемый для генерации кода из моделей Simulink).
Интерфейс GPU Coder для пакета поддержки Библиотек Глубокого обучения (требуемый для глубокого обучения).
Пакет поддержки MATLAB Coder для NVIDIA^® Джетсон^® и ДИСК NVIDIA^® Платформы (требуемый для развертывания на целевых процессорах, таких как NVIDIA Джетсон и Диск).

Для получения инструкций по установке MathWorks^® продукты, 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 графический процессор включен для CUDA с совместимым графическим драйвером. Для получения дополнительной информации см. графические процессоры CUDA (NVIDIA).

Чтобы видеть, что CUDA вычисляет требования возможности для генерации кода, консультируйтесь со следующей таблицей.

Цель	Вычислите возможность
MEX CUDA	Смотрите поддержку графического процессора релизом.
Исходный код, статическая или динамическая библиотека и исполняемые файлы	3.2 или выше.
Применение глубокого обучения в 8-битной целочисленной точности	6.1, 6.3 или выше.
Применение глубокого обучения в полуточности (16-битная плавающая точка)	5.3, 6.0, 6.2 или выше.

ARM^® Графический процессор Мали.
Для устройства Мали GPU Coder поддерживает генерацию кода только для нейронных сетей для глубокого обучения.

Стороннее программное обеспечение

Необходимый

Компилятор C/C++:

Linux^®	Windows^®
GCC компилятор C/C++. Для поддерживаемых версий см. Поддерживаемые и Совместимые Компиляторы	Microsoft^® Visual Studio^® 2013
	Microsoft Visual Studio 2015
	Microsoft Visual Studio 2017
	Microsoft Visual Studio 2019

Дополнительный

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

Название программного обеспечения	Информация
Инструментарий CUDA	GPU Coder был протестирован с инструментарием CUDA v9.x-v11.0. Чтобы загрузить инструментарий CUDA, см. Архив Инструментария CUDA (NVIDIA).
Системы NVIDIA Nsight™	Сгенерируйте отчет профилирования выполнения для сгенерированного кода CUDA. Отчет обеспечивает метрики, которые помогают вам анализировать свои алгоритмы приложения и идентифицировать возможности оптимизировать эффективность. GPU Coder был протестирован с Nsight 2021.1.1
NVIDIA библиотека глубокой нейронной сети CUDA (cuDNN) для NVIDIA графические процессоры	Для хоста устройство графического процессора GPU Coder был протестирован с cuDNN v8.1.0. Чтобы загрузить cuDNN, смотрите cuDNN (NVIDIA).
Высокая производительность NVIDIA TensorRT™ заключает оптимизатор и библиотеку времени выполнения	Для хоста устройство графического процессора GPU Coder был протестирован с TensorRT v7.2.x. Чтобы загрузить TensorRT, смотрите TensorRT (NVIDIA).
ARM вычисляет библиотеку для Мали графические процессоры	GPU Coder был протестирован с v19.05. Для получения дополнительной информации смотрите, Вычисляют Библиотеку (ARM).
Библиотека компьютерного зрения с открытым исходным кодом (OpenCV)	Требуемый для примеров глубокого обучения. 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. Для получения дополнительной информации смотрите OpenCV.

Советы

Общий

Инструментарий CUDA

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).
Рекомендуется выбрать опции стандартной установки, который включает nvcc компилятор, cuFFT, cuBLAS, cuSOLVER, Толкайте библиотеки и другие инструменты.
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 только для поддерживаемой версии GCC.
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/ERR_NVGPUCTRPERM (NVIDIA).
GPU Coder не поддерживает генерацию код CUDA при помощи версии 8 инструментария CUDA.

Глубокое обучение

Целевые процессоры NVIDIA

ARM Мали

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.

Документация