部署
将生成的代码部署到英伟达®Tegra®硬件的目标
您可以使用GPU Coder™与MATLAB®NVIDIA Jetson的Coder™支持包®和NVIDIA驱动®平台在嵌入式NVIDIA gpu上部署您的MATLAB算法。具体来说,你可以在任何一个Windows上瞄准NVIDIA Jetson和DRIVE系列板®或Linux®系统。该支持包使您能够远程与NVIDIA目标通信,并为原型控制外围设备。MATLAB入口点函数被部署为一个独立的可执行文件,即使硬件连接与主机断开,它也会继续运行。
要安装这个支持包,请使用MATLAB中的Add-On Explorer。有关受支持的开发平台的信息,请参见NVIDIA板安装和设置先决条件(针对NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB编码器支持包).
请注意
从R2021a开始NVIDIA GPU的GPU编码器支持包被命名为针对NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB编码器支持包.要在R2021a中使用此支持包,您必须具有MATLAB编码器产品。
对象
coder.hardware |
为C/ c++代码生成创建硬件板配置对象MATLAB代码 |
杰森 |
连接到英伟达杰森硬件 |
开车 |
连接到NVIDIA驱动硬件 |
主题
MATLAB
- 在NVIDIA硬件上构建并运行可执行文件
从MATLAB命令行瞄准嵌入式NVIDIA板。 - 使用GPU编码器应用程序在NVIDIA硬件上构建和运行可执行程序
针对内嵌的NVIDIA板使用GPU Coder应用程序。 - 将生成的代码迁移到另一个开发环境
将生成的文件打包到一个压缩文件中,您可以使用标准zip实用程序重新定位和解压缩该文件。
动态仿真模块
- 针对NVIDIA嵌入式板
构建并部署到NVIDIA GPU板。 - 数值等价测试
比较模型和生成的代码模拟的结果。 - 利用外部模式进行参数调优和信号监测
通过开发计算机和目标硬件之间的TCP/IP通信通道调优参数和监视信号。 - 从Simulink生成CUDA ROS节点(ROS工具箱)
配置Simulink®Coder™从Simulink模型生成和构建CUDA®ROS节点。 - 基于YOLO v2深度学习算法的ROS道路和车辆检测(ROS工具箱)
该示例展示了如何在ROS支持的Simulink®模型中使用深度卷积神经网络来执行车道和车辆检测。 - 在Simulink中使用带ROS的YOLOv2符号跟踪机器人检测算法(ROS工具箱)
这个例子展示了如何使用Simulink®来控制一个在独立的基于ros的模拟器上运行的模拟机器人。