Сконфигурируйте Simulink® Coder™, чтобы сгенерировать и создать узел CUDA® ROS из модели Simulink. Вы конфигурируете модель, чтобы симулировать и сгенерировать код CUDA для узла ROS. Вы затем развертываете узел CUDA ROS в цели локального или удаленного устройства.
Установите и настройте эти продукты MathWorks® и пакеты поддержки: (требуемый) Simulink Coder, (рекомендуемый) Embedded Coder®, GPU Coder™ (требуемый), и Интерфейс GPU Coder для Библиотек Глубокого обучения (требуемый для глубокого обучения).
Можно также установить MATLAB® Coder™ Support Package для NVIDIA® Jetson™ и NVIDIA Платформы Drive™ (требуемый для аппаратной связи NVIDIA).
Компьютер разработчика с CUDA-поддерживающим NVIDIA графический процессор.
Ваше целевое устройство может быть локальным хостом - компьютером с CUDA-поддерживающим NVIDIA графический процессор или удаленное устройство, такое как плата Джетсона NVIDIA.
Чтобы использовать GPU Coder для генерации кода CUDA, необходимо установить графический драйвер NVIDIA, инструментарий CUDA, cuDNN библиотека и библиотека TensorRT. Для получения дополнительной информации смотрите Устанавливающие Необходимые как условие продукты.
Чтобы настроить переменные окружения, смотрите Подготовку Необходимых как условие продуктов.
Чтобы убедиться вы имеете необходимое стороннее программное обеспечение, видите Системные требования ROS.
Чтобы проверить, что ваш компьютер разработчика имеет драйверы, инструменты, библиотеки и настройка, требуемая для генерации кода графического процессора, видят Подготовку Необходимых как условие продуктов.
В командном окне MATLAB, введите:
gpuEnvObj = coder.gpuEnvConfig;
gpuEnvObj.BasicCodegen = 1;
gpuEnvObj.BasicCodeexec = 1;
gpuEnvObj.DeepLibTarget = "tensorrt";
gpuEnvObj.DeepCodeexec = 1;
gpuEnvObj.DeepCodegen = 1;
results = coder.checkGpuInstall(gpuEnvObj)
Этот выход является представительным. Ваши результаты могут отличаться.
Compatible GPU : PASSED
CUDA Environment : PASSED
Runtime : PASSED
cuFFT : PASSED
cuSOLVER : PASSED
cuBLAS : PASSED
cuDNN Environment : PASSED
TensorRT Environment : PASSED
Basic Code Generation : PASSED
Basic Code Execution : PASSED
Deep Learning (TensorRT) Code Generation: PASSED
Deep Learning (TensorRT) Code Execution: PASSED
results =
struct with fields:
gpu: 1
cuda: 1
cudnn: 1
tensorrt: 1
basiccodegen: 1
basiccodeexec: 1
deepcodegen: 1
deepcodeexec: 1
tensorrtdatatype: 1
profiling: 0
Сконфигурируйте модель, чтобы сгенерировать Узел CUDA ROS.
Откройте модель Simulink, которую вы хотите сконфигурировать для генерации кода графического процессора.
От вкладки Simulation, в разделе Prepare, расширяют галерею и, под Configuration & Simulation, выбирают Model Settings.
От левой панели диалогового окна Configuration Parameters выберите узел Аппаратной реализации. Установите Аппаратный Совет на Robot Operating System (ROS) и задайте Поставщика Устройства и Тип устройства для вашего оборудования. Расширьте детали Устройства и проверьте, что Поддержка долго долго выбирается.
В Целевом узле Симуляции выберите ускорение GPU. Если ваша модель имеет блоки глубокого обучения, то, при Глубоком обучении, выбирают соответствующую библиотеку Target.
Выберите узел Генерации кода. При Целевом выборе, Языке набора к C++, и выберите код Generate GPU.
Если ваша модель имеет блоки глубокого обучения, расширьте узел Генерации кода и выберите Интерфейсный узел. Затем под в Глубоком обучении выбирают соответствующее значение для библиотеки Target.
Выберите узел графического процессора Кода и, под Библиотеками, включите cuBLAS, cuSOLVER, и cuFFT.
Чтобы сгенерировать и развернуть узел CUDA ROS в устройство ROS, выполните шаги в Том, чтобы генерировать Автономный Узел ROS из примера Simulink®.
Модель - ссылка не поддерживается.
Путь к папке сборки не может содержать пробелы.